Характеристика наиболее используемых методов анализа рисков

Объективные и субъективные методы определения вероятности. Теория использования математической статистики, Байесовских сетей для вычисления вероятности событий. Методы экспертного анализа риска, частичного баланса, имитационные, моделирования Монте-Карло.

Рубрика Математика
Вид статья
Язык русский
Дата добавления 24.05.2018
Размер файла 309,2 K

Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже

Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.

Институт Государственного управления, Главный редактор - д.э.н., профессор К.А. Кирсанов права и инновационных технологий (ИГУПИТ) тел. для справок: +7 (925) 853-04-57 (с 1100 - до 1800)

Интернет-журнал «НАУКОВЕДЕНИЕ» №4 2012 Опубликовать статью в журнале - http://publ.naukovedenie.ru

Размещено на http://www.allbest.ru/

http://naukovedenie.ru 22ЭРГСУ412

Институт Государственного управления, Главный редактор - д.э.н., профессор К.А. Кирсанов права и инновационных технологий (ИГУПИТ) тел. для справок: +7 (925) 853-04-57 (с 1100 - до 1800)

Интернет-журнал «НАУКОВЕДЕНИЕ» №4 2012 Опубликовать статью в журнале - http://publ.naukovedenie.ru

1

http://naukovedenie.ru 22ЭРГСУ412

Транспортное обеспечение логистических систем

Развитие информационно-коммуникационных технологий открывает новые возможности для транспортной логистики. В особой степени это затрагивает функциональные приложения такого направления как Сити-логистика, поскольку именно в этой сфере необходимо решать наиболее сложные задачи. Концентрация участников логистических цепей на ограниченной территории предъявляет повышенные требования к планированию транспортировки материальных потоков. Необходимо принимать во внимание, что с функциональной точки зрения должны быть доступна дислокация участников логистической цепи, время обслуживания, объем поставляемого и вывозимого груза, чтобы формировать схемы маршрутов и графики движения транспортных средств[2]. При работе в режиме реального времени два случая представляют особый интерес в том, что касается применений информационно-коммуникационных технологий:

- когда клиенты указывают временной интервал для приезда автомобиля для развозки товаров;

- когда маршрут и график должны меняться в зависимости от указанного времени. Информация меняется, пока автомобиль развозит товары и происходит последовательное уточнение маршрутов по мере получения новой информации.

Источниками информации в реальном масштабе времени могут быть:

• пропускная способность системы: время проезда (заторы, аварии и поломки), время обслуживания, время ожидания.

• требования клиента: местоположение, временной интервал, количество товаров, приоритеты обслуживания.

• информация об автотранспорте: местонахождение, грузоподъемность.

Поэтому рассматриваемые модели кроме включения основных компонентов применений Сити-логистики, также должны иметь способность включать в себя динамические аспекты, необходимые для применения модели информационно-коммуникационных технологий.

Рисунок 1 изображает концептуальную схему моделирования транспортного обеспечения логистической деятельности. Динамические модели движения отображают реальные транспортные условия, в реальном интервале времени на каждом отрезке дорожной сети. Логистическая модель - это система управления автопарком, которая определяет местонахождение каждого транспортного средства данного парка в реальном времени и его рабочие условия (тип груза, полезная мощность и т.д.), определяет оптимальный маршрут и график движения транспортного средства[1].

Следующий шаг развития систем динамического управлением автопарком, когда операторы перевозчиков способны быстро отвечать на изменения требований заказчика, эксплуатационных характеристик автотранспорта, а также на изменение в условиях дорожной сети. Это стало возможным благодаря технологическим достижениям в системах связи и геоинформационным системам. Для решения этих новых задач Сити-логистики информационноко-ммуникационные технологии, методы динамического моделирования становятся ключевым компонентом логистического управления.

Рис. 1. Концептуальная диаграмма объединенных схем маршрутизации и метода моделирования Сити логистики при наличии информационно-коммуникационных технологий

Концептуальная схема моделирующей системы изображена на рисунке 2. Логический процесс, изображенный на данном рисунке предполагает частичное знание спроса и обслуживания в начале временного периода. Это первоначальный рабочий план, который будет соответственно меняться позднее, когда работа начнется и будет известна информация в реальном времени. Эта информация может включать новые неудовлетворенные требования, на изменения маршрутов, обусловленные транспортными условиями, на изменения в составе автопарка (то есть поломки транспортных средств) и д.р., который вычисляет новый динамический эксплуатационный план[3].

В ходе моделирования необходимо детально фиксировать временные изменения условий движения, воспринимая матрицы отрезка времени «Отправитель - Получатель» для различных интервалов времен. В каждом временном интервале соответствующее количество транспортных средств начинает свое движение от отправителей до получателей по доступным маршрутам сети. Эти маршруты могут быть фиксированными или зависящими от дорожных условий. Таким образом, время движения пересчитывается в соответствии с расчетными параметрами. В каждом временном отрезке транспортные средства должны находиться на участках, соответствующих схемам выбранных маршрутов. Необходимо также детально моделировать перекрестки и работу светофоров на перекрестках, как фиксированную по времени, так и адаптированную к реальному времени, или знаки, устанавливающие преимущество общественному транспорту.

Необходимо дифференцировать классы транспортных средств и типы транспортных средств внутри каждого класса. Матрицы для временных отрезков «Отправитель - Получатель» могут определяться типами транспорта, если такая информация имеется. Маршруты, фиксированные или зависимые от времени, и модели выбора маршрута, также могут зависеть от типа транспорта. Динамично управляемые транспортные средства могут менять маршруты в пути согласно имеющейся информации.

Рис. 2. Концептуальная схема оценки систем управления автопарком в режиме реального времени

В результате возможности микромоделирования можно создать различные типы динамической информации для любого компонента модели, включая и личный автотранспорт. Моделирующая программа способна создавать информацию о временных затратах на участках дороги, которые зависят от времени, подходящую к случаю применения управления автопарком в режиме реального времени.

Задача транспортной программы - это наблюдение за каждым отдельным транспортным средством, имитируя мониторинг автопарка в системе управления парком в режиме реального времени. Рисунок 3 изображает пример наблюдения за транспортным средством во время моделирования и сбора динамических данных (местонахождение в данное время, предыдущее местонахождение, текущая скорость, предыдущая скорость и т. д.), тем же способом, как если бы транспортное средство было бы оборудовано Глонасс или другой навигационной системой. То есть динамическая моделирующая программа повторяет процессы для пробного автомобиля. Другая информация, создаваемая моделирующей программой, важной для реализации решений по управлению автопарком в режиме реального времени - это определение маршрута для каждого конкретного транспортного средства. Маршрут, который может динамично меняться согласно особым правилам принятия решений. На рисунке 3 также показана информация для выбранного транспортного средства (длина маршрута, скорость на маршруте, время затраченное на проезд по маршруту и т.д.) когда используется концепция общих затрат.

Рис. 3. Изменение скорости на участке сети

Программное обеспечение способно загружать определяющие данные (как офлайновые из архивной базы данных, так и онлайновые в режиме реального времени), которые могут использоваться любым из его компонентов, например визуальный модуль моделирующей программы программного обеспечения, который прослеживает работу каждого транспортного средства автопарка, имитирует слежение за транспортным средством в системе управления автопарком в режиме реального времени, собирая динамические данные (то есть текущее местонахождение, предыдущее местонахождение, текущая скорость, предыдущая скорость и т.

д.), следя за транспортным средством точно также, как если бы эти данные были получены от реального транспортного средства. Эта информация необходима для того, чтобы определять какое транспортное средство будет задействовано для следующей перевозки и каким будет новый маршрут для данного транспортного средства. Применение рассмотренной концепции позволяет более эффективно решать задачи транспортного обеспечения логистики.

ЛИТЕРАТУРА

логистика транспортный информационный

1. Зырянов В.В., Миротин Л.Б. Моделирование транспортных потоков как метод логистического управления транспортными процессами мегаполисов и способ рационального планирования дорожной сети в города// Вестник транспорта. М.: №1, 2008, стр. 37-44

2. Зырянов В.В. Особенности моделирования в системах Сити-логистика// Транспортно-логистические центры в условиях экономического кризиса//Сб. науч. тр. IX Российско-Германского симпозиума по транспортной политике и экономике.- Казань. 2009.- с. 12-15

3. Миротин Л.Б., Зырянов В.В.. Гудков В.А. Управление грузовыми потоками в транспортно-логистических системах. М.: Горячая линия-Телеком, 2010. - 704 с.

Размещено на Allbest.ru

...

Подобные документы

  • Основные методы формализованного описания и анализа случайных явлений, обработки и анализа результатов физических и численных экспериментов теории вероятности. Основные понятия и аксиомы теории вероятности. Базовые понятия математической статистики.

    курс лекций [1,1 M], добавлен 08.04.2011

  • Теория вероятности, понятие вероятности события и её классификация. Понятие комбинаторики и её основные правила. Теоремы умножения вероятностей. Понятие и виды случайных величин. Задачи математической статистики. Расчёт коэффициента корреляции.

    шпаргалка [945,2 K], добавлен 18.06.2012

  • Теория вероятности как наука убеждения, что в основе массовых случайных событий лежат детерминированные закономерности. Математические доказательства теории. Аксиоматика теории вероятности: определения, вероятность пространства, условная вероятность.

    лекция [287,5 K], добавлен 02.04.2008

  • Математическое обоснование алгоритма вычисления интеграла. Принцип работы метода Монте–Карло. Применение данного метода для вычисления n–мерного интеграла. Алгоритм расчета интеграла. Генератор псевдослучайных чисел применительно к методу Монте–Карло.

    курсовая работа [100,4 K], добавлен 12.05.2009

  • Исследование способа вычисления кратных интегралов методом Монте-Карло. Общая схема метода Монте-Карло, вычисление определенных и кратных интегралов. Разработка программы, выполняющей задачи вычисления значений некоторых примеров кратных интегралов.

    курсовая работа [349,3 K], добавлен 12.10.2009

  • Применение классического определения вероятности в решении экономических задач. Определение вероятности попадания на сборку бракованных и небракованных деталей. Вычисление вероятности и выборочного значения статистики при помощи формулы Бернулли.

    контрольная работа [309,4 K], добавлен 18.09.2010

  • Классификация случайных событий. Функция распределения. Числовые характеристики дискретных случайных величин. Закон равномерного распределения вероятностей. Распределение Стьюдента. Задачи математической статистики. Оценки параметров совокупности.

    лекция [387,7 K], добавлен 12.12.2011

  • Характеристика полной группы событий как совокупность всех возможных результатов опыта. Способы определения вероятности событий в задачах разного направления. Нахождение вероятности количества нестандартных деталей. Построение функции распределения.

    задача [37,9 K], добавлен 19.03.2011

  • Определение вероятности наступления определенного события по законам теории вероятности. Вычисление математического ожидания, дисперсии и среднего квадратичного отклонения. Нахождение выборочного уравнения регрессии по данным корреляционной таблицы.

    контрольная работа [212,0 K], добавлен 01.05.2010

  • Определение вероятности появления поломок. Расчет вероятности успеха, согласно последовательности испытаний по схеме Бернулли. Нахождение вероятности определенных событий по формуле гипергеометрической вероятности. Расчет дискретной случайной величины.

    контрольная работа [69,3 K], добавлен 17.09.2013

  • Некоторые сведения теории вероятностей. Математическое ожидание, дисперсия. Точность оценки, доверительная вероятность. Доверительный интервал. Нормальное распределение. Метод Монте-Карло. Вычисление интегралов методом Монте-Карло. Алгоритмы метода.

    курсовая работа [112,9 K], добавлен 20.12.2002

  • Теория вероятностей — раздел математики, изучающий закономерности случайных явлений: случайные события, случайные величины, их свойства и операции над ними. Методы решения задач по теории вероятности, определение математического ожидания и дисперсии.

    контрольная работа [157,5 K], добавлен 04.02.2012

  • Общее понятие и характеристика простейшего пространства элементарных исходов. Способы вычисления вероятности события. Классическая вероятностная модель, ее главные свойства и доказательства. Основные аксиомы теории вероятности, примеры решения задач.

    реферат [42,6 K], добавлен 24.04.2009

  • Основные понятия комбинаторики. Определение теории вероятности. Понятие математического ожидания и дисперсии. Основные элементы математической статистики. Условная вероятность как вероятность одного события при условии, что другое событие уже произошло.

    реферат [144,6 K], добавлен 25.11.2013

  • Классическое определение вероятности события. Способы вычисления наступления предполагаемого события. Построение многоугольника распределения. Поиск случайных величин с заданной плотностью распределения. Решение задач, связанных с темой вероятности.

    задача [104,1 K], добавлен 14.01.2011

  • Порядок определения степени вероятности нахождения значения из десяти возможных. Методика вычисления стандартных деталей среди проверенных с вероятностью 0.95. Оценка вероятности подъема в цене акций предприятия, а также получения прибыли на бирже.

    контрольная работа [42,2 K], добавлен 16.10.2011

  • Возникновение теории вероятности как науки. Классическое определение вероятности. Частость наступления события. Операции над событиями. Сложение и умножение вероятности. Схема повторных независимых испытаний (система Бернулли). Формула полной вероятности.

    реферат [175,1 K], добавлен 22.12.2013

  • Порядок составления гипотез и решения задач на вероятность определенных событий. Вычисление вероятности выпадения различных цифр при броске костей. Оценка вероятности правильной работы автомата. Нахождение функции распределения числа попаданий в цель.

    контрольная работа [56,6 K], добавлен 27.05.2013

  • Метод Монте-Карло як метод моделювання випадкових величин з метою обчислення характеристик їхнього розподілу, оцінка похибки. Обчислення кратних інтегралів методом Монте-Карло, його принцип роботи. Приклади складання програми для роботи цим методом.

    контрольная работа [41,6 K], добавлен 22.12.2010

  • Практическиое решение задач по теории вероятности. Задача на условную вероятность. Задача на подсчет вероятностей. Задача на формулу полной вероятности. Задача на теорему о повторении опытов. Задача на умножение вероятностей. Задача на схему случаев.

    контрольная работа [29,7 K], добавлен 24.09.2008

Работы в архивах красиво оформлены согласно требованиям ВУЗов и содержат рисунки, диаграммы, формулы и т.д.
PPT, PPTX и PDF-файлы представлены только в архивах.
Рекомендуем скачать работу.