Все выпуски

В представленной работе разработана гибридная имитационная модель сборочного цеха в среде AnyLogic, которая позволяет подбирать оптимальные параметры производственной системы. Для построения гибридной модели использовались подходы, объединяющие дискретно-событийное моделирование и агентное в единую модель с интегрирующим взаимодействием. В рамках данной работы описан механизм функционирования сложной производственной системы, состоящей из нескольких участников-агентов. Каждому агенту соответствует класс, в котором задается определенный набор параметров агента. В имитационной модели были учтены три основные группы операции, выполняющиеся последовательно, определена логика работы с забракованными комплектами. Процесс сборки изделия представляет собой процесс, протекающий в многофазной разомкнутой системе массового обслуживания с ожиданием. Также есть признаки замкнутой системы — потоки брака для повторной обработки. При создании распределительной системы в сегменте окончательного контроля используются законы выполнения заявок в очереди типа FIFO. Для функциональной оценки производственной системы в имитационной модели включены несколько функциональных переменных, описывающих количество готовых изделий, среднее время подготовки изделий, количество и доля брака, результат моделирования для проведения исследований, а также функциональные переменные, в которых будут отображаться расчетные коэффициенты использования. Были проведены серии экспериментов по моделированию с целью изучения влияния поведения агентов системы на общие показатели эффективности производственной системы. В ходе эксперимента было установлено, что на показатель среднего времени подготовки изделия основное влияние оказывают такие параметры, как средняя скорость подачи комплекта заготовки, среднее время выполнения операций. На заданном промежутке ограничений удалось подобрать оптимальный набор параметров, при котором удалось достичь наиболее эффективной работы сборочной линии. Данный эксперимент подтверждает основной принцип агентного моделирования: децентрализованные агенты вносят личный вклад и оказывают влияние на работу всей моделируемой системы в целом. Вре зультате проведенных экспериментов, благодаря подбору оптимального набора параметров, удалось улучшить основные показатели функционирования сборочного цеха, а именно: увеличить показатель производительности на 60%; снизить показатель средней продолжительности сборки изделия на 38%.

Исследуется модель процесса использования машин, учитывающая вероятностный характер процесса их эксплуатации и продажи. В ней учитываются возможность случайных скрытых отказов, после которых состояние машин ухудшается скачком, а также случайно возникающая необходимость досрочной (до окончания срока службы) продажи машины, требующей, вообще говоря, случайного времени. Модель ориентирована на оценку рыночной стоимости и сроков службы машин в соответствии с международными стандартами оценки. Строго говоря, рыночная стоимость подержанной машины зависит от ее технического состояния, однако на практике стоимость машины устанавливают с учетом только ее возраста, поскольку общепринятых измерителей технического состояния машин пока еще не предложено. Тем самым стоимость подержанной машины принимается на уровне средней стоимости аналогичных машин соответствующего возраста. В этих целях оценщики используют зависимости стоимости машин от возраста, не всегда обоснованные и не учитывающие ни деградации машин, ни вероятностного характера процесса их использования. Предлагаемая модель основана на принципе ожидания выгод. В ней состояние машины характеризуется интенсивностью приносимых ею выгод. Машина подвергается сложному пуассоновскому потоку отказов, после каждого из которых состояние машины скачком ухудшается и может даже оказаться предельным. Возникают также ситуации, исключающие дальнейшее использование машины ее владельцем. В таких ситуациях владелец выставляет машину на продажу до окончания срока ее службы (досрочно), причем продажа требует случайного времени. Модель позволяет учесть влияние таких ситуаций и построить аналитическую зависимость, связывающую рыночную стоимость машины с ее состоянием, и рассчитать средние коэффициенты изменения рыночной стоимости машин с возрастом. При этом удается также учесть влияние инфляции и утилизационной стоимости машин. Мы установили, что опасность досрочных продаж существенно влияет на сроки службы и стоимость новых и подержанных машин. В то же время зависимости стоимости машин от возраста в значительной степени определяются коэффициентом вариации срока службы машин. Полученные результаты позволяют получать более обоснованные оценки рыночной стоимости машин, в том числе для целей системы национальных счетов.

Цель настоящего исследования заключается в разработке методологии выявления точек разворота на временных рядах, включая в том числе финансовые данные. Теоретической основой исследования послужили работы, посвященные анализу структурных изменений на финансовых рынках, описанию предложенных алгоритмов обнаружения точек разворота и особенностям построения моделей классического и глубокого машинного обучения для решения данного типа задач. Разработка подобного инструментария представляет интерес для инвесторов и других заинтересованных сторон, предоставляя дополнительные подходы к эффективному анализу финансовых рынков и интерпретации доступных данных.

Для решения поставленной задачи была обучена нейронная сеть. В ходе исследования было рассмотрено несколько способов формирования тренировочных выборок, которые различаются характером статистических параметров. Для повышения качества обучения и получения более точных результатов была разработана методология формирования признаков, служащих входными данными для нейронной сети. В свою очередь, эти признаки формируются на основе анализа математического ожидания и стандартного отклонения временных рядов на некоторых интервалах. Также исследуется возможностьих комбинации для достижения более стабильных результатов.

Результаты модельных экспериментов анализируются с целью сравнения эффективности предложенной модели с другими существующими алгоритмами обнаружения точек разворота, получившими широкое применение в решении практических задач. В качестве тренировочных и тестовых данных используется специально созданный датасет, генерация которого осуществляется с использованием собственных методов. Кроме того, обученная на различных признаках модельте стируется на дневных данных индекса S&P 500 в целях проверки ее эффективности в реальном финансовом контексте.

По мере описания принципов работы модели рассматриваются возможности для дальнейшего ее усовершенствования: модернизации структуры предложенного механизма, генерации тренировочных данных и формирования признаков. Кроме того, перед авторами стоит задача развития существующих концепций определения точек изменения в режиме реального времени.