Полная версия

Главная arrow Логистика arrow Инновационные процессы логистического менеджмента в интеллектуальных транспортных системах. Т. 4. Наиболее крупные инновационные разработки конкретных задач в области логистического менеджмента

  • Увеличить шрифт
  • Уменьшить шрифт


<<   СОДЕРЖАНИЕ ПОСМОТРЕТЬ ОРИГИНАЛ   >>

Выделение значимых факторов

Так, экспорт древесины составляет порядка 45 %, что ставит данный груз в особое положение.

Факторный анализ показал существенную взаимосвязь, как между импортом, так и экспортом различных типов грузов. Так из 196 позиций типов грузов их объемы объясняются, а следовательно, и прогнозируются всего 20-ю латентными факторами. Из этого следует, что имеют место сильные попарные корреляции между множеством отдельных типов грузов.

Факторный анализ

Рис. 2.9. Факторный анализ

Действительно, корреляционный анализ показал существование сильной взаимосвязи между различными типами грузов. Так, например, импорт древесины коррелирует с импортом черных металлов на 0,82, а экспорт древесины с экспортом изделий из черных металлов на 0,73.

Таблица 2.2

Корреляции (3KcnHMn_2.sta). Отмеченные корреляции не значимы на уровне р

ехр44

ехр72

ехр73

imp44

imp72

imp73

ехр44

1,00

0,73

0,75

0,33

0,56

0,31

ехр72

0,73

1,00

0,70

0,12

0,43

-0,02

ехр73

0,75

0,70

1,00

0,56

0,66

0,47

imp44

0,33

0,12

0,56

1,00

0,75

0,82

imp72

0,56

0,43

0,66

0,75

1,00

0,71

imp73

0,31

-0,02

0,47

0,82

0,71

1,00

Регрессионный анализ также выявил ряд закономерностей между импортом и экспортом.

Регоессионный анализ

Рис. 2.10. Регоессионный анализ

Сам метод дисперсионного анализа реализует запрос на агрегирование и последующую визуализацию. В результате получены диа-

П. Дисперсионный анализ

Рис. 2.П. Дисперсионный анализ

граммы разброса объемов по различным позициям грузов в динамике, по которым можно сделать выводы об устойчивости поставок.

На основе спектрального анализа для различных типов грузов выявлен явно сезонный характер, что позволяет повысить точность моделей прогноза.

В результате отработаны формы визуализации показателей транспортных работ, что дает основу для формирования сценария системы мониторинга.

В исследовании предполагается, что поток проходит через управляемую сеть и им можно управлять за счет выбора конфигу-

Спектральный анализ раций сети. Для определения правила выбора конфигурации сети введен вектор управления

Рис. 2.12. Спектральный анализ раций сети. Для определения правила выбора конфигурации сети введен вектор управления

где UjE Uj = {0, 1, w+}, w+e Z+,i = l,M, Z+ — множество положительных

целых чисел.

Далее привяжем каждую дугу базовой сети к определенной компоненте вектора управления. При некоторых значениях компоненты вектора управления связанная с ней дуга исключается из базовой сети, определяя тем самым одну из конфигураций сети. Одна и та же компонента вектора управления может быть связана с несколькими дугами сети. При одних значениях данной компоненты вектора управления некоторые связанные с компонентой дуги исключаются из сети, а другие — нет.

Для каждой дуги базовой управляемой сети задается конечное множество значений, которые может принимать связанная с данной дугой компонента вектора управления и при которых дуга не исключается из базовой сети. Максимальное число возможных

конфигураций базовой сети не превосходит мощности множества

м

значений вектора управления I ^1 = П(и+ + 1]. Приведем формаль-

ное описание управляемой сети.

Структуру графа базовой сети описываем с помощью матрицы смежности базовой сети

где L —количество узлов базовой сети.

Для описания связи компонент вектора управления u = [и^...им]т с дугами базовой сети используем матрицу управлений

где Cjj — либо номер компоненты вектора управления, которая связана с дугой базовой сети, выходящей из узла / в узел j, либо 0, если между узлами / и j в базовой сети отсутствует дуга, поэтому с- = 0, если а^= 0, i,j = l,L.

Для описания связи между множеством значений, которые принимает компонента вектора управления, и наличием соответствующей дуги в базовой сети используем матрицу разрешенных фаз

где Fy — элемент матрицы /’разрешенных фаз представляет собой множество значений, которые может принимать компонента вектора управления

т &

и = [иу...им, при которых дуга, выходящая из узла / в узел j базовой сети,

не исключается из графа базовой сети, поэтому Fy = 0, если ау = 0, i,j = l,L.

Матрицы А, С и F позволяют формально описать конфигурацию частичной подсети базовой управляемой сети в зависимости от значения вектора управления и = [иу..им]т. Структура графа частичной подсети описывается матрицей смежности конфигурации управляемой сети

и е F..

"" с.. ij _

где л..(и) = < ,/,/ = 1 Л. Ограничения, оказываемые уп-

и и J

1111 с.. и

IJ

равляемой сетью на поток, задаем матрицей пропускных способностей.

где by — значение пропускной способности дуги, выходящей из узла / в узел у, поэтому bjj = 0, если а у = 0, i,j = 1 ,L;

— множество действительных неотрицательных чисел.

Для описания распределения потока из узла по различным направлениям, заданным выходящими из данного узла дугами, используем матрицу распределений.

где dy — значение доли потока, который выходит из узла / в узел j, поэтому dy = 0, если а у =0, i,j = ,L.

Основной задачей данной модели управляемой сети является обеспечение оптимального перемещения потока за заданное число тактов, проходящего через сеть за счет выбора конфигураций сети с ее динамической корректировкой.

Вариант генерации грузопотока (рис. 2.13)

Базовая конфигурация сети

Рис. 2.13. Базовая конфигурация сети

Пусть управляемая сеть имеет четыре узла, L = 4, из которых узел 1 является источником, а узел 4 — стоком, а также базовый граф, представленный на рис.

2.13.

Последовательным расчетом находим матрицу смежности А базового графа данной сети, матрицу управлений С и матрицу разрешенных фаз F.

Данная управляемая сеть имеет шесть различных конфигураций, которые представлены на рис. 2.14.

Рис. 2.14

Пусть дуги графа базовой сети имеют ограниченную пропускную способность, которая задается матрицей В, а при распределении потока из узла по разным направлениям используется матрица распределений D

Рассмотрим девять тактов управления, к = 1,9. На каждом такте выберем произвольно значение вектора управления u = [и^и^т. Определим величину потока с постоянной матрицей распределений и в результате моделирования получим последовательность (см. рис. 2.14). В таблице на нулевом такте, к = 0, в третьем столбце приведено начальное значение вектора потока, х(0) = [1000000]т. Последующие значения вектора потока рассчитываются в соответствие с предложенной и описанной в диссертации методикой.

 
<<   СОДЕРЖАНИЕ ПОСМОТРЕТЬ ОРИГИНАЛ   >>