YÖNEYLEM (76) – ANG’NİN PNET ALGORİTMASI – Yöneylem Araştırması Nedir? – Yöneylem Araştırması Yaptırma – Yöneylem Araştırma Ücretleri

Ödev, Proje, Makale, Tez, Çeviri, Niyet mektubu yapma konusunda uzmanlaşmış bir ekibe sahip olan Ödevcim, size tüm alanlarda destek olmak için burada. Dilerseniz tüm ödevinizi biz hazırlayalım, dilerseniz size dilediğiniz konuda özel ders verelim. Ödevcim ekibine ulaşmak çok kolay. Hemen Whatsapp destek hattımızdan veya akademikodevcim@gmail.com mail adresimizden bizlere talebinizi iletebilir, ücretlerimiz hakkında fikir edinebilirsiniz. Yöneylem, Yöneylem Araştırması Yaptırma, Yöneylem Araştırma Ücretleri
ANG’NİN PNET ALGORİTMASI
PNET algoritması, herhangi bir yol uzunluğu çifti arasındaki doğrusal korelasyon katsayısının, örneğin i ve j yolları için Tt ve Ti’nin, paydaki toplamın, faaliyetlerin varyanslarının toplamı olduğu yerde verildiği önemli gerçeğini kullanır. i ve j yollarının her ikisi için de ortaktır ve payda yalnızca, i ve j yollarının toplam sürelerinin standart sapmalarının ürünüdür. Pij’nin değeri tamamen bağımsız yollardan, özdeş yollara 1 değişir. Yukarıdaki örnekteki iki yol için, veriler pii’nin sadece 0.057 olduğunu gösterir ve bu iki yolun neredeyse tamamen bağımsızlığını gösterir.
PNET algoritmasında, bu korelasyon katsayısı, ağ için temsili yollar setini belirlemek için kullanılır. Jftwo u a korelasyon katsayısı 0,5’ten daha fazla. oln-_fhtewtas’ın her iki yolu da temsil ettiği söylenir. ve daha kısa olan yemin dikkate alınmaz. Benzer şekilde, bağıntı katsayısı 0,5’ten küçükse, iki yolun her ikisinin de dikkate alındığı varsayılır. Ardından, bir projenin belirli bir tamamlanma tarihini karşılama olasılığı, temsili yolların her birinin belirtilen tamamlanma tarihini karşılama olasılıklarının ürünü olarak alınır.
Bir sonraki bölümde verilen bu prosedürün bir uygulaması, simülasyonla elde edilen doğru sonuçlarla mükemmel bir uyum göstermektedir. Ang, bu prosedürün üç uygulamasını verir ve her biri simülasyonla elde edilen sonuçlarla mükemmel uyum gösterir.
Bu prosedürün neden beklenenden daha iyi çalıştığının bir açıklaması, sezgiye dayalı olarak, bir Merkezi Limit formudur.
Teorem işlemektedir. Yani, bağıntıları 0.5’ten büyük olan yolların bırakılması, bağıntıları 0.5’ten küçük olan yolların bağımsız olduğunu varsaymanın hata etkilerini iptal etme eğilimindedir. Ang’ın orijinal PNET prosedürünün bir modifikasyonu, yukarıda gösterilen ağa uygulanmasıyla birlikte aşağıda verilmiştir.
Değiştirilmiş PNET Algoritması
1. Kritik yol (lar) dan başlayarak, azalan ortalama yol süreleri ile ana ağ yollarının listesini sırayla oluşturun. Bağlar olması durumunda, yolları azalan standart sapmalarla ararlayın. Ana yollar, ortalama yol süreleri beklenen kritik yol süresinin en azından belirli bir yüzdesi olan yollar olarak tanımlanır. (Önceki bölümde geliştirilen ve burada benimsenen kural, uzunlukları kritik yoldan iki yolun standart sapmalarının iki katından daha büyük farklı olan tüm yolların tutulmasını önerir.)
Ana yolları I’den N’ye numaralandırın. Bu adım, Şekil 9-17’de gösterilen ağ için gösterilmektedir ve sonuçlar verilmektedir. 10 ağ yolunun tümü burada açıklama amacıyla gösterilmiştir; liste, yol 6’yı oluşturduktan ve ortalamasının ilk (kritik) yoldan 66 – 50.3 = 15.7 kadar farklı olduğunu gösterdikten sonra durmuş olabilir; bu, yol standart sapmalarının iki katını aşan, yani 2 X 7.8 = 15.6’dır.
2. Denklemi (7) kullanarak her bir ana yol çifti için korelasyon katsayısını hesaplayın ve bunları matris biçiminde düzenleyin. Yukarıdaki örnek için, bu matris gösterilmektedir.
3. Ağ için temsili yollar kümesini belirleyin. Bu prosedür, gösterilen korelasyon matrisi için verilmiştir.
3.1. Yol 1 ile başlayın, onu temsili yollar kümesine girin ve korelasyon matrisinin 1. satırı boyunca 0.5’ten büyük korelasyonlara sahip tüm yolları silerek gidin. Bu örnekte, yol 2 ve 5’i silin çünkü r ,, = 0.88 ve rl, = 0.86’nın her ikisi de 0.5’ten büyüktür.
3.2. Bir sonraki kalan yola gidin, onu temsili yollar kümesine girin ve korelasyon matrisinin bu satırı boyunca tekrar 0,5’ten büyük korelasyonlara sahip tüm yolları silerek gidin. Bu örnekte, temsil yolları kümesine yol 3’ü girin ve silme yolunu belirleyin.
3.3. Dikkate alınacak ana yol kalmayana kadar Adım 3.2’ye devam edin; bu noktada durak, temsili yollar kümesini listeleyin ve K olarak numaralandırın. Bu örnekte prosedür Adım 3.2’den sonra durur, çünkü dikkate alınması gereken ana yollar kalmaz ve temsili yollar kümesi yol 1 ve 3’ten oluşur.
4. Her bir temsili yolun süresinin (TI, …, TK) bazı planlanan proje sürelerini (T,) aşmama olasılığını hesaplayın, her bir yol süresinin ortalama ve standart sapma hesaplanan normal bir dağılıma sahip olduğunu varsayın. Adım 1’de, yani P (T, 5 T,), …, P (TK 5 T,) hesaplayın. Bu olasılıklar, örnek problem için Tablo 9-7’nin sol tarafında gösterilmektedir.
5. Proje tamamlanma süresi T’nin zamanlama süresini karşılama olasılığı T ,, P (T 5 T,) ile gösterilir ve ardından yaklaşık olarak ürün tarafından verilir.
- P (Tl 5T,) X … XP (TK5T,).
Örnek için, iki temsili yol vardır ve bu olasılık aşağıdaki gibi verilmiştir:
- PIT5 T,) = P {Z 5 (T, – 66) /7,8} X P {Z 5 (T, – 58) / 4,1}
Bu hesaplamaların sonuçları Tablo 9-7’de verilmiştir. Aşağıda, bu PNET olasılık tahminlerinin, ikincisinin “doğru” olasılıklar olarak alındığı Monte Carlo simülasyonuyla elde edilen sonuçlardan önemli ölçüde farklı olmadığı gösterilecektir. PNET ortalamasının ve standart sapmanın tahminlerinin hesaplanması da alt kısmında gösterilmektedir.
Muhtemel Olasılıklara Monte Carlo Simülasyon Yaklaşımı
Bu sorunun çözümüne yönelik Monte Carlo simülasyon yaklaşımı Van Slykel2 tarafından 1963’te kullanıldı. Bu problemi, bir anlamda proje süresine ve kritik yola karşılık gelen bir şeyi bulmak için basitçe stokastik ağ modelini çözmekten biri olarak kabul etti. deterministik durum. Rastgele probleme deterministik formdaki bir dizi problemle yaklaştırılarak buradaki zorluk bir dereceye kadar önlendi. Bunu başarmak için Monte Carlo simülasyonu kullanıldı. Bu yaklaşımın bir avantajı, yalnızca sınıf aralığının sınıf işaretinin (orta nokta) olduğu yerde (i = 1.2 .. .., K; burada K = 7, örnekte) ve p (ti), (rastgele) proje süresinin sınıf aralığıdır.
Standart sapma veya varyans, benzer bir şekilde, sınıfın yerini alarak toplam proje süresinin dağılımı ile birlikte proje süresinin ortalama ve varyansının tarafsız tahminleri, ancak aynı zamanda standart PERT yaklaşımından elde edilemeyen miktarlar için tahminler de vermiştir. Özellikle, bir faaliyetin ‘kritikliği’, yani bir faaliyetin kritik yolda olma olasılığı hesaplanabilir. Geleneksel PERT yöntemlerinin daha yanıltıcı yönlerinden biri, benzersiz bir kritik yol olduğu imasıdır. Genel olarak, fiilen meydana gelen rastgele aktivite sürelerinin belirli bir şekilde gerçekleştirilmesine bağlı olarak, birkaç yoldan herhangi biri kritik olabilir.
Bu nedenle, kritiklik indeksinden bahsetmek mantıklıdır. Bu, yönetimin faaliyete dikkat etmesi gereken son derece yararlı bir ölçü gibi görünmektedir ve PERT’de kullanılan kritik yol kavramı kadar yanıltıcı değildir. Belirli bir aktivitenin aldığı dikkatin derecesini genellikle belirleyen faktör olan geleneksel PERT prosedürü ile hesaplandığı gibi, bir aktivitenin kritik yolda olma olasılığının gevşeklikle çok iyi ilişkilendirilmediği de eklenmelidir.
Ödev, Proje, Makale, Tez, Çeviri, Niyet mektubu yapma konusunda uzmanlaşmış bir ekibe sahip olan Ödevcim, size tüm alanlarda destek olmak için burada. Dilerseniz tüm ödevinizi biz hazırlayalım, dilerseniz size dilediğiniz konuda özel ders verelim. Ödevcim ekibine ulaşmak çok kolay. Hemen Whatsapp destek hattımızdan veya akademikodevcim@gmail.com mail adresimizden bizlere talebinizi iletebilir, ücretlerimiz hakkında fikir edinebilirsiniz. Yöneylem, Yöneylem Araştırması Yaptırma, Yöneylem Araştırma Ücretleri
ANG'NİN PNET ALGORİTMASI Değiştirilmiş PNET Algoritması Muhtemel Olasılıklara Monte Carlo Simülasyon Yaklaşımı YÖNEYLEM (76) – ANG'NİN PNET ALGORİTMASI – Yöneylem Araştırması Nedir – Yöneylem Araştırması Yaptırma – Yöneylem Araştırma Ücretleri
Son yorumlar