Zastosowanie metody losowania LHS w badaniach symulacyjnych modeli sieciowych

• Autorzy: Biruk S. , Jaśkowski P.

Warianty tytułu

EN

Assessing efficiency of latin supercube sampling method in construction project network simulation

• Języki publikacji: PL

Abstrakty

PL

Metoda symulacji cyfrowej Monte Carlo jest popularnym narzędziem wykorzystywanym w analizie ryzyka oraz planowaniu przedsięwzięć budowlanych w warunkach losowych. Zaletą metody jest możliwość analizowania modeli sieciowych złożonych z czynności, których czas trwania jest opisany dowolnymi rozkładami prawdopodobieństwa, bez konieczności wprowadzania dodatkowych założeń upraszczających. Podejście to umożliwia także modelowanie dowolnych ograniczeń czasowych, zasobowych i kolejnościowych. W metodzie symulacji Monte Carlo zwiększanie liczby przebiegów symulacyjnych wpływa na dokładność estymowanych wielkości. Zmniejszenie „rozrzutu” wartości zmiennych wyjściowych można także uzyskać stosując jedną z metod redukcji wariancji (lub ich kombinację). W artykule przedstawiono wyniki pilotażowych badań symulacyjnych prowadzonych na testowych modelach sieciowych przedsięwzięć budowlanych. Podczas badań symulacyjnych w procesie generowania liczb losowych zastosowano metodę Latin Hypercube Sampling. Przeprowadzone eksperymenty mają na celu próbę oszacowania skuteczności redukcji wariancji średniej terminu realizacji przedsięwzięcia za pomocą metody LHS oraz zbadanie możliwości poprawy wyników poprzez zastosowanie liczb antytetycznych (losowania przeciwstawnego).

EN

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 event occurrence and the project duration. 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 considered methods were: Latin supercube sampling and its combination with antithetic variates method. The object analysis was based on 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.

Słowa kluczowe

PL

ryzyko realizacji przedsięwzięć budowlanych; symulacja komputerowa; metoda redukcji wariancji

EN

risk of planning project; computer simulation; antithetic variates method

• Wydawca: Oficyna Wydawnicza Politechniki Białostockiej
• Czasopismo: Budownictwo i Inżynieria Środowiska
• Rocznik: 2011
• Tom: Vol. 2, no. 3
• Strony: 209--213
• Opis fizyczny: Bibliogr. 8 poz., wykr.

Twórcy

autor

Biruk S.

autor

Jaśkowski P.

• Wydział Budownictwa i Architektury, Politechnika Lubelska, ul. Nadbystrzycka 40, 20-618 Lublin

Bibliografia

• 1. Burt J. M., Garman M. B. (1971). Conditional Monte Carlo: A Simulation Technique for Stochastic Network Analysis. Management Science, Vol. 18, No. 3, 207-217.
• 2. Burt J. M., Gaver D. P., Perlas M. (1970). Simple Stochastic Networks: Some Problems and Procedures. Naval Research Logistics Quartely, Vol. 17, No. 4, 439-459.
• 3. Law A. M., Kelton W. D. (1991). Simulation Modeling & Analysis. McGraw Hill, International Edition.
• 4. McKay M. D,. Beckman R. J., Conover W. J. (1979). A Comparison of Three Methods for Selecting Values of Input Variables in the Analysis of Output from a Computer Code. Technometrics, Vol. 21, No. 2, 239-245.
• 5. Owen A. B. (1998). Latin Supercube Sampling for Very HighDimensional Simulations. ACM Transactions on Modeling and Computer Simulation, Vol. 8, No. 1, 71-102.
• 6. Platt C. (1974). Problemy rachunku prawdopodobieństwa i statystyki matematycznej. PWN, Warszawa.
• 7. Sullivan R. S., Hayya J., C., Schaul R. (1982). Efficienty of the Antithetic Variate Method for Simulating Stochastic Networks. Management Science, Vol. 28, No. 5, 573-572.
• 8. Tyszer J. (1990). Symulacja cyfrowa. Wydawnictwa NaukowoTechniczne, Warszawa.