Исследование вычислительных систем неоднородной структуры
Введение
Курсовой проект по дисциплине «Теория систем»
содержит два основных раздела:
) Исследование вычислительных систем
неоднородной структуры;
) Параметрическая коррекция при оперативном
управлении многономенклатурным производством.
В разделе «Исследование вычислительных систем
неоднородной структуры» необходимо изучить технологические этапы создания и
использования имитационных моделей, методы разработки и испытания имитационных
моделей сложных систем, методику получения статистических оценок параметров
систем и методы исследования свойств имитационных моделей (длительность
переходного процесса, устойчивость и чувствительность имитационных моделей).
Имитация представляет собой численный метод
проведения на ЭВМ экспериментов с математическими моделями, описывающими
поведение сложных систем (СС) в течение заданного или формируемого периода
времени. Поведение компонент СС и их взаимодействие в имитационных моделях (ИМ)
чаще всего описываются набором алгоритмов, реализуемых на некотором языке
моделирования. Все эти описания представляют собой программную ИМ.
При построении ИМ исследователя интересует,
прежде всего, возможность вычисления некоторого функционала, заданного на
множестве реализаций процесса функционирования изучаемой СС и характеризующего
поведение объекта имитации. Наиболее важным для исследователя функционалом
является показатель эффективности системы. Имитируя различные реальные ситуации
на ИМ, исследователь получает возможность решения таких задач, как оценка
эффективности различных принципов управления системой, сравнение вариантов
структуры системы, определение степени влияния изменений параметров системы и
начальных условий имитации ее поведения на показатель эффективности системы.
В разделе «Параметрическая коррекция при
оперативном управлении многономенклатурным производством» необходимо, на
примере производства изделий микроэлектроники, определить оптимальные центры
настройки технологического процесса при производстве гибридных интегральных
схем. Формирование номенклатуры ИС производится путем их классификации по
удельному поверхностному сопротивлению резистивной пленки. Необходимо
определить объем запуска изделий при условии использования двух центров
настройки технологического процесса.
Важнейший класс производственных задач выпуска
изделий микроэлектроники (МЭ) связан с вопросами организации оперативного
управления технологическими процессами (ТП), в результате реализации которых
формируются классификационные параметры, определяющие тип изделия, а,
следовательно, и номенклатуру выпускаемых изделий в целом.
Неизбежный разброс параметров, определяющих
наличие одного или нескольких определенных качественных признаков, воздействие
случайных факторов приводит к выпуску при единой технологии изделий различных
типов. В условиях массового производства изделий МЭ разброс значений
параметров, по которым определяется принадлежность к тому или иному типу
неизбежен. Поэтому после завершения технологического цикла изготовления изделий
МЭ проводится их классификация по номиналам.
Раздел 1. Исследование вычислительных
систем неоднородной структуры
.1 Постановка задачи
Для моделирования предложена СМО. Поток заявок в
системе простейший со средним временем поступления заявок, указанным на схеме.
Времена обработки заявок в системе распределены экспоненциально со средним
временем обработки, указанным на схеме, выбранной согласно варианту:
Рис. 1
В рамках выполнения курсовой работы необходимо:
построить критерии качества моделируемой
системы;
разработать имитационную модель системы;
согласовать планы и провести целенаправленные
эксперименты с моделью;
определить длительность переходного процесса;
оценить погрешности имитации, обусловленные
наличием в ИМ генераторов псевдослучайных чисел;
провести статистическую оценку устойчивости и
чувствительности имитационной модели к изменению параметров и входных
переменных;
используя известные статистические методы, по
выборкам времен обработки заявок построить функции распределения времен
обработки заявок устройствами;
провести оптимизацию параметров системы по
выбранным критериям.
На структурных схемах приняты следующие условные
обозначения:
Рис. 2
1.2 Определение цели исследования
имитационной модели
При исследовании имитационной модели
первоочередной целью является изучение эффективности работы системы в целом,
влияние интенсивности поступления заданий в СМО на загрузку обслуживающих
одноканальных (А1, А2) устройств и среднюю длину очереди.
Для достижения поставленной цели необходимо
провести ряд экспериментов над системой, по результатам которых можно будет
сделать вывод об эффективности функционирования системы.
1.3 Разработка имитационной модели
При реализации имитационной модели объекта
моделирования для представления динамики обработки заданий процессорами
используем транзактный способ, при котором используются элементы двух типов:
блоки (АА1, АА2),
очереди (ОСH1, OCH2,OCH3).
В блоках могут происходить следующие события:
создание и уничтожение транзактов, задержка транзактов на некоторый интервал
времени.
Приведем текст программы заданной имитационной
модели на языке GPSS:
EXPON FUNCTION RN1,C24
,0/.1,.104/.2,.222/.3,.355/.4,.509/.5,.69/.6,.915/.7,1.2/.75,1.38/
.8,1.6/.84,1.83/.88,2.12/.9,2.3/.92,2.52/.94,2.81/.95,2.81/.96,3.2/
.97,3.5/.98,3.9/.99,4.6/.995,5.3/.998,6.2/.999,7/.9998,85,fn$expon,,,1och1aa1och13,fn$exponaa1,M34,fn$expon,,,2och2aa1och23,fn$exponaa1queue
och3aa2och34,fn$exponaa20.3,,M314801
1.4 Исследование
заданной
модели
Наиболее существенными являются следующие
процедуры исследования модели:
оценка погрешности имитации, обусловленной
наличием в ИМ неидеальных генераторов случайных чисел;
определение длительности переходного режима в
работе ИМ;
оценка устойчивости результатов имитации исследуемых
процессов;
исследование чувствительности ИМ.
Видно, что данная система не является
стационарной (загрузка устройства близка к единице, а при большом времени
моделирования становится равной единице, то изменим время обработки заявок на
устройствах и время генерации последовательностей таким образом, что бы система
стала стационарной).
EXPON FUNCTION RN1,C24
,0/.1,.104/.2,.222/.3,.355/.4,.509/.5,.69/.6,.915/.7,1.2/.75,1.38/
.8,1.6/.84,1.83/.88,2.12/.9,2.3/.92,2.52/.94,2.81/.95,2.81/.96,3.2/
.97,3.5/.98,3.9/.99,4.6/.995,5.3/.998,6.2/.999,7/.9998,87,fn$expon,,,1och1aa1och12,fn$exponaa1,M38,fn$expon,,,2och2aa1och22,fn$exponaa1queue
och3aa2och31.5,fn$exponaa20.3,,M314801World Simulation Report -
Untitled_stasionar.20.1, December 02, 2007 22:50:28TIME END TIME BLOCKS
FACILITIES STORAGES
.000 480.000 22 2
0VALUE10002.00010004.00010000.00014.00010005.00010001.00010003.000LOC BLOCK
TYPE ENTRY COUNT CURRENT COUNT RETRY
GENERATE 61 0 0
QUEUE 61 0 0
SEIZE 61 0 0
DEPART 61 0 0
ADVANCE 61 1 0
RELEASE 60 0 0
TRANSFER 60 0 0
GENERATE 56 0 0
QUEUE 56 0 0
SEIZE 56 0 0
DEPART 56 0 0
ADVANCE 56 0 0
RELEASE 56 0 014 QUEUE 169 0 0
SEIZE 169 0 0
DEPART 169 0 0
ADVANCE 169 1 0
RELEASE 168 0 0
TERMINATE 115 0 0
GENERATE 1 0 0
TERMINATE 1 0 0ENTRIES UTIL. AVE.
TIME AVAIL. OWNER PEND INTER RETRY DELAY117 0.526 2.158 1 119 0 0 0 0169 0.525
1.491 1 115 0 0 0 0MAX CONT. ENTRY ENTRY(0) AVE.CONT. AVE.TIME AVE.(-0) RETRY3
0 56 28 0.184 1.576 3.153 04 0 169 100 0.335 0.952 2.332 03 0 61 32 0.352 2.767
5.821 0XN PRI BDT ASSEM CURRENT NEXT PARAMETER VALUE
119 1 480.636 119 5 6
1 480.816 115 17 18
2 486.387 118 0 8
1 492.006 120 0 1
0 960.000 121 0 21
Оценка погрешности имитации, обусловленная
наличием в имитационной модели генераторов случайных чисел. Для определения
погрешности имитации, обусловленной наличием в ИМ генератора случайных чисел,
будем исследовать средние времена обработки заявок в приборах А1,А2.
Организуется 10 прогонов модели.
|
Прибор
|
RN1
|
RN2
|
RN3
|
RN4
|
RN5
|
RN6
|
RN7
|
RN8
|
RN9
|
RN10
|
|
АА1
|
2.158
|
1.820
|
2.103
|
1.746
|
2.018
|
2.188
|
2.089
|
1.914
|
1.778
|
1.969
|
|
АА2
|
1.491
|
1.361
|
1.494
|
1.685
|
1.344
|
1.325
|
1.405
|
1.290
|
1.801
|
1.649
|
Определим оценки математического ожидания и
дисперсии для каждого прибора по формулам (2):
N2 = 10, k =1,..,10, 
|
MO
|
Disp
|
|
АА1
|
1,9783
|
0,025445567
|
|
АА2
|
1,4845
|
0,030238722
|
Задавшись уровнем значимости a
=0,05, можно с вероятностью 0,95 утверждать, что истинное значение Ynи лежит в
пределах, вычисляемых по формуле (4):
|
y11
|
y12
|
|
1,927786
|
2,028813611
|
|
1,429434
|
1,539566068
|
Доверительный интервал для среднего значения n-й
компоненты вектора отклика можно записать по формуле (5):
dn max=0.095 - погрешность
Оценка погрешности имитации, обусловленной
наличием в ИМ неидеальных генераторов случайных чисел. Погрешности, связанные с
использованием в ИМ генераторов случайных чисел, носят незначительный характер,
т.е. результаты моделирования не сильно зависят от выбора генератора случайных
чисел. С вероятностью 0.95 можно утверждать, что точные оценки компонент
вектора отклика попадут в найденный доверительный интервал.
Определение длительности переходного режима
В качестве контролируемого параметра
выберем длину очереди ОСН3 поступающей на приборAA2 . Проводём моделирование
системы с шагом 
=1.
1
|
2
|
3
|
4
|
5
|
6
|
7
|
8
|
9
|
10
|
|
L(OCH3)
|
0.335
|
0.458
|
0.719
|
0.906
|
0.756
|
0.825
|
0.755
|
0.768
|
0.772
|
0.729
|
|
Tмод.
|
11
|
12
|
13
|
14
|
15
|
16
|
17
|
18
|
19
|
20
|
|
L(OCH2)
|
0.749
|
0.742
|
0.783
|
0.777
|
0.769
|
0.772
|
0.777
|
0.775
|
0.776
|
0.762
|
Видно, что длина очереди ОСН3 колеблется
примерно около значения 0.77, время пререходного режима составляет
приблизительно 5-6 единиц. Приведём график этой зависимотси на рис. 3.
Рис. 3 - Зависимость длины очереди ОСН3 от
времени моделирования
Исследование чувствительности имитационной
модели.
Разработка концептуальной модели системы.
Время поступления заявок в систему моделирования
обозначим как Тмод.
Определим входные и выходные переменные для
заданной системы моделирования.
Вектор параметров Х: времена обработок заявок на
устройствах АА1,AА2 - t(AА1), t(AА2).
Вектор отклика Y:
среднее время обработки одной заявки прибором АА1
- ave._time1.
среднее время обработки одной заявки прибором
АА2 - ave._time2.
длина очереди L(OCH1).
длина очереди L(OCH2).
длина очереди L(OCH3).
|
Y
|
L(OCH1)
|
L(OCH2)
|
L(OCH3)
|
ave._time1
|
ave._time2
|
Оценка чувствительности:
Изменяя значения вектора параметров,
определенного концептуальной моделью в пункте 3, получим следующие значения
вектора откликов:
|
№
п/п
|
t(AА1)
|
L(Q1)
|
L(Q2)
|
L(Q3)
|
ave. time1(АА1)
|
ave. time2(АА2)
|
|
1
|
2.5
|
1.5
|
1.240
|
0.288
|
0.801
|
2.411
|
1.322
|
|
2
|
2.1
|
1.5
|
0.255
|
0.106
|
0.471
|
2.130
|
1.562
|
|
3
|
1.5
|
1.5
|
0.185
|
0.104
|
0.354
|
1.594
|
1.428
|
|
4
|
2
|
1.8
|
0.237
|
0.113
|
0.409
|
1.945
|
1.569
|
|
5
|
2
|
1.6
|
0.195
|
0.146
|
0.485
|
2.001
|
1.447
|
|
6
|
2
|
1.1
|
0.725
|
0.336
|
0.262
|
2.369
|
1.043
|
(minXq , maxXq) - интервал изменения q-ой
компоненты вектора X.
(minY, maxY) - отклики модели, где minY и maxY
означают соответственно векторы отклика, полученные при минимальном и
максимальном значениях q-ой компоненты вектора X.
Приращение q-ой компоненты вектора параметров
модели вычисляется по формуле:
,
которое и будет приращением вектора
параметров X при изменении только одной компоненты q. Затем находится
приращение n-й компоненты вектора отклика:
.
Изменения вектора отклика выбирается
как 
. Полученные
значения зафиксированы в таблице:
|
11,76471
|
19,44444
|
-25,4826
|
-17,0022
|
-2,8383173
|
8,0901857
|
|
|
37,03704
|
-115,217
|
-78,8382
|
59,70549
|
32,449799
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
№
п/п
|
 ,% ,% ,% ,%  
|
|
|
|
|
|
|
|
1
2
|
33
|
30
|
131
|
92
|
52
|
12
|
131
|
|
2
3
|
17
|
31
|
2
|
28
|
29
|
9
|
32
|
|
4
5
|
12
|
19
|
25
|
17
|
3
|
8
|
25
|
|
5
6
|
37
|
115
|
79
|
59
|
17
|
32
|
115
|
Чувствительность модели по q-й
компоненте вектора X определяется парой значений (
). Эта пара
чисел показывает, на сколько процентов может измениться отклик модели при
увеличении q-й компоненты параметров на 
процентов.
Видно, что при небольших отклонениях
входных параметров, система достаточно устойчива. Если же начальные отклонения
составляют хотя бы 30%, то выходные параметры могут различаться более чем в 2
раза.
Раздел 2. Параметрическая коррекция
при оперативном управлении многономенклатурным производством
.1 Постановка задачи
вычислительный система
схема модель
Вариант 1
Задача определения оптимальных
центров настройки ТП задана на примере производства гибридных интегральных
схем.
Необходимо определить оптимальные
центры настройки технологического процесса при производстве гибридных
интегральных схем. Формирование номенклатуры ИС производится путем их
классификации по удельному поверхностному сопротивлению резистивной пленки.
Статистический анализ параметров
техпроцесса показал, что распределение значений удельного поверхностного
сопротивления является нормальным с параметрами 
и 
, значения =5.
Значения удельного поверхностного
сопротивления согласно ТУ могут изменяться в пределах от 400 Ом до 420 Ом.
В плане выпуска изделий выделяют
четыре номенклатурные группы m=4 с границами 
, причем g1=400 Ом/кв., g5=420
Ом/кв., а значения g2=403, g3=408, g4=416.
Объемы выпуска изделий в
номенклатурные группы: q1=28, q2=89, q3=65, q4=87.
Необходимо определить объем запуска
изделий при условии использования двух центров настройки технологического
процесса n=2.
Начальные координаты центров
настройки выбраны произвольно в пределах от 400 Ом до 420 Ом и равны: m1=410,
m2=415, M[410,415].
Поиск оптимальных центров настройки
техпроцесса осуществлять методом прямого поиска (покоординатного спуска и
Хука-Дживса).
Необходимо представить в таблице
последовательность полученных при реализации поисковых алгоритмов координат
центров настройки ТП и соответствующие им значения коэффициентов запуска
изделий в производство. Вычисления производить с точностью 
=0,1.
Последовательность выполнения вычислений. Приведем текст программы в среде
MathCAD для вычисления коэффициента запуска продукции k0 и две итерации
алгоритма методом прямого поиска определение минимального коэффициента запуска
изделий в производство.
Первая итерация метода Хука-Дживса
Задача нахождения коэффициента
запуска, при известных центрах настройки, при производстве гибридных
интегральных схем решена в среде Mathcad и представлена в приложении А.
Найдем оптимальные центры настройки
и минимальный коэффициент запуска при следующих начальных координатах
M0=(403,418).
Точность є = 0,1; шаг изменения δ = 1, ускоряющий
множитель α
= 1, коэффициент
уменьшения шага h = 10.=(403,418) , j:=1, n:=2;. K0(404,418) = 2,232 >
K0(403,418) = 2,137 условие не выполнилось, тогда переходим к пункту b и меняем
1-ю компоненту в противоположном направлении на величину шага, равную 1.
Б. K0(402,418) = 2,094 <
K0(403,418) = 2,137, m1:=402, переходим ко второй компоненте
С. . K0(403,419) = 2,11 >
K0(402,418) = 2,094, условие не выполнилось, переходим ко второй компоненте
D.
K0(402,417) = 2,105 > K0(402,418) = 2,094,
) M2= M1 + α
*(M1 - M0), M2 = (402,418) + 1*(-1, 0) = (401,418) , j:=1.
K1(402,418) = 2.094 < K1(401,418)
= 2.099 , m1:=402, j < n, j:=2, условие выполнилось, значит меняем значение
второй компоненты и выполняем те же действия;(402,419) = 2.11 > K1(402,418)
= 2.094, условие не выполнилось, значит переходим к пункту b и меняем вторую
компоненту в противоположном направлении на величину шага, равную 1.
(402,417) =2.105 < K1(402,418) =
2.094 ,условие не выполнилось
Очевидно, что оптимизировать точку
K1(402,418) = 2.094 ни по одной переменно не удастся. Значит, проверим условие
окончания поиска.
δ = 1 > є = 0,1 => уменьшим
шаг δ:= δ/h = 1/10
= 0.1 .
M0=(402,418) , j:=1, n:=2;
. K0(402.1,418) =2.096 >
K0(402,418) = 2.094 условие не выполнилось, тогда переходим к пункту b и меняем
1-ю компоненту в противоположном направлении на величину шага, равную 1.
Б. K0(401.9,418) = 2.092 <
K0(402,418) = 2,094, m1:=401.9, переходим ко второй компоненте
С. K0(401.9,418.1) = 2,093 >
K0(401.9,418) = 2,092, условие не выполнилось, переходим ко второй компоненте
D.
K0(401.9,417.9) = 2,092 = K0(401.9,418) = 2,092,
a.
K1(401.9,418) = 2.092 > K1(401.8,418) = 2.091 , условие не выполнилось,
значит меняем вторую компоненту на величину шага, равную 0.1.. K1(401.7,418) =
2.09 < K1(401.8,418) = 2.091, , m1:=401.7, переходим ко второй компоненте;.
K1(401.7,418.1) = 2.091 > K1(401.7,418) = 2.09, условие не выполняется.
K1(401.7,417.9) = 2.09 = K1(401.7,418) = 2.09, , m1:=401.7, переходим ко второй
компоненте;
)
M2=
M1 + α *(M1
- M0), M2 = (401.7,418) + 1*(-0.2,0) = (401.5,418) , j:=1.. K1(401.6,418) =
2.09 = K1(401.5,418) = 2.09 , условие не выполнилось.. K1(401.4,418) = 2.091
> K1(401.5,418) = 2.09, условие не выполнилось.. K1(401.5,418.1) = 2.091
> K1(401.5,418) = 2.09, условие не выполняется. K1(401.5,417.9) = 2.09 = K1(401.5,418)
= 2.09,
Так
как ни одно из условий не выполнилось, то проверим условие окончания поиска:
δ
=0,1
≤ є = 0,1 => заканчиваем поиск, получили оптимальную точку, в которой
коэффициент запуска минимален:
(401.5,418)
= 2.09,
Графическое
представление результатов решения.
В
результате поиска оптимальных центров настройки при разных начальных
координатах были получены одинаковые результаты, то есть: при начальных
координатах M0=(403,418) было получено следующее решение:
*
= (401.5,418), K* = 2.09.
Объём
запуска при этом составит N=562.
Построим
функции плотности нормального распределения для полученных центров настройки, а
также отобразим диаграмму плана выпуска и положение центров настройки (рис.1).
, где m -
математическое ожидание.
Рис.
4 - Функция плотности распределения выходных параметров изделий при различных
значениях центров настройки и диаграмма плана выпуска
Дополнительное
задание
.
Построить зависимость коэффициента запуска Кзап при изменении плана выпуска
изделий второй номенклатурной группы в диапазоне от 50 до 100 при неизменных
прочих исходных данных.
Составим
таблицу зависимости коэффициента запуска от количества изделий во 2
номенклатурной группе от 50 до 100. Построим график, согласно этой зависимости.
|
Q
|
50
|
60
|
70
|
80
|
90
|
100
|
|
K
|
3,824
|
3,665
|
3,528
|
3,383
|
3,257
|
3,141
|
Рис. 5
Провести расчеты при условии, что количество
центров запуска не 2, а 3.
Найдем оптимальные центры настройки
и минимальный коэффициент запуска при следующих начальных координатах
M0=(403,418).
Точность є = 0,1; шаг изменения δ = 1, ускоряющий
множитель α
= 1, коэффициент
уменьшения шага h = 10.
M0=(403,418,405). K0(404,418,405) =
2.099 < K0(403,418,405) = 2,137 .. K0(404,419,405) = 2,248 >
K0(404,418,405) = 2,099,. K0(404,417,405) = 2,243 > K0(404,418,405) = 2,099.
K0(404,418,406) = 2,232 > K0(404,418,405) = 2,099. K0(404,418,404) = 2,217
> K0(404,418,405) = 2,099= M1 + α *(M1 - M0),
M2 = (404,418,405) + 1*(1,0,0) = (405,418,405). K0(404,418,405) = 2,099 <
K0(405,418,405) = 2,385 .. K0(404,419,405) = 2,248 > K0(404,418,405) =
2,099,. K0(404,417,405) = 2,243 > K0(404,418,405) = 2,099. K0(404,418,406) =
2,232 > K0(404,418,405) = 2,099. K0(404,418,404) = 2,217 >
K0(404,418,405) = 2,099
Очевидно,
что оптимизировать точку K1(404,418,405) = 2.099 ни по одной переменно не
удастся. Значит, проверим условие окончания поиска.
δ
= 1
> є = 0,1 => уменьшим шаг δ:= δ/h = 1/10
= 0.1 .
M0=(404,418,405). K0(404.1,418,405)
=2.096 < K0(404,418,405) = 2.099. K0(404.1,418.1,405) = 2.091 <
K0(404.1,418.405) = 2,096. K0(404.1,418.1,405.1) = 2,091 = K0(404.1,418.1,405)
= 2,091. K0(404.1,418.1.404.9) = 2,092 = K0(404.1,418.1,405) = 2,092= M1 + α
*(M1 - M0), M2 = (404.1,418.1,405) + 1*(0.1,0.1,0) = (404.2,418.2,405).
K0(404.1,418.1,405) =2.092 < K0(404.2,418.2,405) = 2.105.
K0(404.2,418.1,405) = 2.206 > K0(404.1,418.1,405) =2.092.
K0(404.1,418.2,405) = 2,094 > K0(404.1,418.1,405) =2.092.
K0(404.1,418.1.404.9) = 2,092 = K0(404.1,418.1,405) = 2,092.
K0(404.1,418.1.405.1) = 2,092 = K0(404.1,418.1,405) = 2,092
Так
как ни одно из условий не выполнилось, то проверим условие окончания поиска:
δ
=0,1
≤ є = 0,1 => заканчиваем поиск, получили оптимальную точку, в которой
коэффициент запуска минимален:(404.1,418.1,405) = 2.092.
Заключение
В ходе выполнения курсового проекта по
дисциплине «Теория систем» было проведено исследование вычислительных систем
неоднородной структуры и параметрическая коррекция при оперативном управлении
многономенклатурным производством на примере производства гибридных
интегральных схем.
В разделе «Исследование вычислительных систем
неоднородной структуры» были изучены технологические этапы создания и использования
имитационных моделей, методы разработки и испытания имитационных моделей
сложных систем, методику получения статистических оценок параметров систем и
методы исследования свойств имитационных моделей (длительность переходного
процесса, оценка погрешности имитации, обусловленная наличием в имитационной
модели генераторов случайных чисел, устойчивость и чувствительность
имитационных моделей).
В разделе «Параметрическая коррекция при
оперативном управлении многономенклатурным производством» на примере
производства гибридных интегральных схем, были определены оптимальные центры
настройки технологического процесса. Также были определен объем запуска изделий
при условии использования двух и трех центров настройки технологического
процесса.
Библиографический список
1. Методические
указания к выполнению курсовой работы по дисциплине «Теория систем» для
студентов специальности «компьютерные системы и сети». Раздел «исследование
вычислительных систем неоднородной структуры».
2. Методические
указания к выполнению курсового проекта по дисциплине «Теория систем» для
студентов специальности «Компьютерные системы и сети». Раздел «Параметрическая
коррекция при оперативном управлении многономенклатурным производством».
. Шрайбер
Т.Дж. Моделирование на GPSS: Пер. с англ./ Пер.В.И. Гарнера, И.Л. Шмуйловича,
Ред. М.А. Франберг.- M.: Машиностроение,1980. -592с.
. Балакирева
И.А. Оптимизация режима настройки технологического процесса при управлении
многономенклатурным производством изделий микроэлектроники производства / И.А.
Балакирева, Л.А. Литвинова, А.В. Скатков // Оптимизация производств. процессов:
Сб. науч. тр.- Севастополь, 2004.- Вып.7. - С. 123-129.
. Авен
О.И., Гурин Н.Н., Коган Я.А. Оценка качества и оптимизации вычислительных
систем.- М.: Наука,1982. - 464 с.