| Status: |
|
| Autorzy: |
Jaśkowski Piotr,
Biruk Sławomir
|
| Rok wydania: |
2011 |
| Język: |
polski
|
| Źródło: |
VIII Ogólnopolska Konferencja Naukowa MODELOWANIE PREFERENCJI A RYZYKO'11, 3-5 kwietnia 2011, Ustroń |
| Państwo wystąpienia: |
POLSKA |
| Efekt badań statutowych |
NIE
|
| Abstrakty: |
polski
|
angielski
|
|
Metoda Monte Carlo (MC) jest popularnym narzędziem wspomagającym projektowanie realizacji przedsięwzięć w warunkach ryzyka. Analiza wyników symulacji komputerowej umożliwia formułowanie i weryfikację hipotez o typie i wartościach parametrów rozkładów terminów zaistnienia poszczególnych zdarzeń i czasu realizacji przedsięwzięcia. Badania symulacyjne MC modeli sieciowych o deterministycznej strukturze, złożonych z czynności, których czasy trwania są zmiennymi losowymi, nie wymagają wprowadzania dodatkowych upraszczających założeń, co do typu rozkładów czasu trwania czynności oraz pozwalają uwzględniać ograniczenia zasobowe w postaci limitów ilościowych lub czasowych. Zwiększenie dokładności oszacowań wyznaczanych charakterystyk w badaniach symulacyjnych można uzyskać poprzez zwiększanie liczby replikacji lub poprzez zastosowanie metod redukcji wariancji (np. polegających na zmianie sposobu generowania liczb losowych). W artykule analizowano wpływ wybranych metod redukcji wariancji (metoda Quasi-Monte Carlo, losowania przeciwstawnego oraz warstwowego) na zmniejszenie błędu standardowego średniej arytmetycznej estymowanego czasu realizacji przedsięwzięcia. Badania przeprowadzono dla modeli sieciowych z czynnościami o czasach realizacji opisanych rozkładami trójkątnymi, stosowanymi w budownictwie do modelowania wpływu zjawisk losowych na parametry organizacji robót.
|
|
Monte Carlo simulation is a popular tool that supports planning projects affected by risk. Analysing the results of computer simulations enables the planner to formulate and verify hypotheses on distribution type and parameters of schedule events occurrence and the project's duration. Simulation research on network models, whose structure is deterministic, but tasks times are of stochastic nature, does not require introducing any simplifying assumptions on task duration distribution types. It also allows the planner to account for resource constraints, in terms of both number of available units and time of their availability. Accuracy of estimates obtained by means of simulations can be improved by increasing the number of replications, or by applying variance reduction methods. The latter may consist in change of the way the random numbers are generated. The paper analyses how the method of variance reduction affects simulation results in terms of standard error of estimated project duration mean value. The methods considered were: Quasi-Monte Carlo, stratified sampling, antithetic variates. The object analysis were network models with task durations of triangular distribution. This type of distribution is commonly assumed in modelling the effect of random occurrencies on organisation of construction works.
|
