运筹说 第91期 | 网络计划经典例题讲解

通过前几期的学习,我们已经学会了网络图的基本概念时间参数的计算,并且掌握了随机网络的概念图解评审法的基本原理和基本解法,本期小编带大家学习网络计划在经济管理中的应用

在实际工作中,我们能发现网络计划在经济管理中有着许多应用,本期小编选择了其中一些典型例子,包括网络计划时间参数的多种求解问题最低成本日程问题以及随机网络(GERT)问题,进行详细讲解。

01时间参数计算

网络图的时间参数包括工作所需时间事项最早最迟时间工作的最早最迟时间及时差等。进行时间参数计算不仅可以得到关键路线,确定和控制整个任务在正常的进度下的最早完工期,而且在掌握非关键工作的基础上可进行人、财、物等资源的合理安排,进行网络计划的优化。

问题描述

某新产品研制项目的各项工序、所需时间及相互关系如下表所示,试画出该项目的网络图,分别用和双代号单代号方法以及表上计算法计算事项时间参数,并求出关键路线

问题解析

1、双代号方法求解

①计算各项工作的最早开始时间最早完成时间

②计算各项工作的最晚开始时间最晚完成时间

③计算各项工作的单时差,用后一项工作的最早开始时间-本项工作的最早结束时间;

④计算各项工作的总时差

如图所示,关键路径为总时差最小的路线,即

①→②→④→⑥→⑦→⑧→⑨

2、表上计算法求解

3、单代号方法求解

①计算各项工作的最早开始时间最早完成时间

②计算相邻工作之间的时间间隔

③计算各项工作的自由时差

④计算各项工作的总时差

⑤计算各项工作的最晚开始时间最晚完成时间

4、方法总结

双代号法

双代号法通过给每个活动编号,确定其最早开始时间(ES),最晚开始时间(LS),最早完成时间(EF)和最晚完成时间(LF),进而计算出整个项目的最早完成时间(TE)和关键路径。这种方法简单易懂,适合计算量不太大的项目,但是当项目较为复杂时,计算量较大且容易出错

单代号法

单代号法将每个活动表示成一个字母或数字,通过画出箭头来表示活动之间的关系,并在箭头上标出活动持续时间,进而计算出整个项目的最早完成时间和关键路径。这种方法比双代号法通俗易懂,计算量也较小,适合一些简单的项目,但是不够灵活,当项目变化时,需要重新绘制网络图

表上计算法

表上计算法将每个活动表示成一个表格,通过计算每个活动的最早开始时间和最早完成时间,进而计算出整个项目的最早完成时间和关键路径。这种方法直观简便,计算量较小,灵活性较高,适用于一般的项目,但是对于较为复杂的项目,需要维护大量的计算表格,有一定的难度。 

综合来说,选择何种方法求解网络计划应考虑项目的复杂度和计算的准确性,从而选择最适合的方法。

02最低成本日程

项目或任务的成本一般包括直接费用间接费用两部分。直接费用是完成各项工作应会增加一些费用,在一定范围内,工作的作业时间越短,直接费用越大。间接费用则包括管理费、办公费等,常按任务期长短分摊,在一定条件下,工期越长,间接费用越大。工期缩短时直接费用要增加而间接费用减少,总成本是由直接费用与间接费用相加而得。通过计算网络计划的不同完工期相应的总费用,以求得成本最低的日程安排就是“最低成本日程”,又称“工期一成本”优化

问题描述

已知网络计划各工作的正常完工极限完工及相应费用如下表所示,网络图如下图所示。

问题解析

按正常工时从下图中计算出总工期为15天。关键路线为①→③→④→⑥。由上表数据可计算出正常工时情况下总直接费用为8800元。设正常工时下,任务总间接费用为3000元,工期每缩短一天,间接费用可节省200元,求最低成本日程。

解:以上图所示的原始网络为基础,计算按下列步骤进行:

(1)从关键工作中选出缩短工时所需直接费用最少的方案,并确定该方案可能缩短的天数

(2)按照工作的新工时,重新计算网络计划的关键路线及关键工作

3)计算由于缩短工时所增加的直接费用

不断重复上述三个步骤,直到工期不能再缩短为止

从上图看出,关键路线上的三道关键工作(1,3)、(3,4)、(4,6)中,工作(3,4)的成本斜率相比之下最小,应选择在工作(3,4)上缩短工时,查表可知,最多可缩短3天,即取工作(3,4)新工时为6-3=3(天)。重新计算网络图时间参数,结果如图a所示,关键路线为①→③→⑤→⑥,工期为13天,实际只缩短了2天。这意味着(3,4)工作没有必要减少3天,(3,4)工时应取6-2=4(天)。重新计算,结果如图b,总工期为13天,有两条关键路线:①→③→④→⑥与①→③→⑤→⑥,此次调整增加直接费用2×100=200(元)

重复步骤(1)、(2)、(3),必须注意两条关键路线应同时缩短。有如下几个方案可选择

①在B工作缩短1天,需要费用150(元);

②在D、E上同时缩短1天,需费用100+120=220(元);

③在G、E上同时缩短1天,需费用200+120=320(元);

取费用最小方案①最多缩短2天,工时变为5-2=3(天)。重新计算网络时间参数,结果如下图所示。总工期为11天,这时的关键路径仍为两条:①→③→④→⑥与①→③→⑤→⑥,增加直接费用2×150=300(元)

再进行第三次调整,可供选择的方案如下:

①在D、E上同时缩短1天,需费用100+120=220(元);

②在G、E上同时缩短1天,需费用200+120=320(元);

因为间接费用每减少1天缩短200元,而上述方案每缩短一天增加的费用均大于间接费用,所以继续缩短工期并不能减少费用,则停止计算,计算结果如下表所示:

03图解评审法

在之前的学习中我们知道,图解评审法GERT用随机网络来表示不确定性网络规划问题。引入完工概率概率分支的概念,显示一项工作的完成可能有多种结果,主要用于处理超出PERT/CPM能力的更为复杂的模型情况,是经过普利茨克等人不断完善而由广义随机网络技术发展起来的网络分析法。逐步应用到存贮分析费用分析人口动态车辆运输网络等不同领域。本次小编选取一道GERT网络在水利水电工程中的实际应用问题为大家进行讲解。

问题描述

下图给出了20世纪80年代葛洲南一号船闸上游临时公路桥架设的GERT网络模型。该项工程涉及多个单位和多道工序,制作、安装、试验及运行过程中带有不少随机因素,如吊装后的符合与否,决定着静载试验能否进行,而静载试验的成功与否,又决定着能否胜利通车等。假定本模型各项目的时间和费用参数服从正态分布,于是,矩母函数式为:

式中,m为平均值δ2为方差。有关项目的参数值如下表所示。试计算网络有关节点的实现概率Pi,节点9实现的期望时间T9期望费用C9

图1 一号船闸临时公路桥架设网络图

问题解析

在GERT网络模型中,网络箭线用以代表活动项目,并对项目各参数起着传递作用。GERT网络的项目参数有两类,即加因子型(如延续时间、各种资源等)参数乘因子型(如概率等)参数。GERT网络模型的计算,对于乘因子型参数可直接采用Mason公式来确定任意一点的实现值,该公式为:

式中,B=1+(-1)n ∑线路外n阶环值LnC=1+(-1)n系统中n阶环值Ln。而对于加因子型参数,则应先将加法运算通过矩母函数转换为乘法运算,然后由Mason公式求得。该组计算式为:从节点xy的实现概率

项目参数txy节点间的数学期望值

相应的方差

问题求解

1、节点实现的概率Pi。由上图及表,可直接由Mason公式计算。先求C值:

系统中一阶回路值:

于是 ∑L1=0.0199

系统中没有二阶或二阶以上回路,故而

节点9(即完成通车)的实现概率:从节点1到9的线路仅一条,该线路上传输率之积

与该线路无非接触回路,故B=1。因此,节点9的实现概率

由上式可知,节点9肯定会被实现。这是符合情理的,因为网络无论经过多少次往复或反馈,最终通车运行是肯定的。

节点2再实现(即钢梁报废)的概率:二次到达节点2线路(仅一条)上的传输率之积

与该线无非接触回路,即B=1,于是,节点2再实现的概率为

类似地,节点7(即进行加固处理)实现的概率

2、节点9实现的期望时间T9。采用表中的时间一栏数据,从节点1到9的线路仅一条,其时间的传输率值

该线路上无非接触回路,故∑线路上非接触回路的值=1。系统中的一阶回路值

系统中无二阶回路,于是

由此,从节点1至9时间的W函数

由问题分析中的计算式,上述W函数在s=0处, 即为节点9的实现概率

与前面用Mason公式直接求出的节点9的实现概率是一致的。W函数的一阶导数在s=0处的值与其概率倒数的乘积,即为节点9的期望时间,亦即整个项目的期望工期。利用分式求导法并s=0代入,有:

因此,工程完工的期望时间为23.18天

3、节点9实现的期望费用C9。同样的方法,采用表中费用一栏数据,可得费用的W函数

同上,节点9的实现概率

节点9实现的期望费用,亦即整个工程的期望费用

因此,工程完工的期望费用为21.726千元

同样道理,还可求出网络中任意一点的期望值。在此不拟逐一列出。

葛洲坝工程局以上图模型和上述计算结果指导了该项工程的实际施工,负责该桥梁架设的所有工程人员牢牢掌握带有概率型输出的节点的变化,严把质量关,尽可能避免走上回路,结果使该项目完成得既快又好,以实际工期24天和20千元的投资安全地保证了通车

以上就是本期网络计划例题讲解的全部内容啦,通过对这一期的学习,相信大家一定能够加深对网络计划的理解,进而在生活实践中学会应用!

作者 | 陈志昂 林鑫

责编 | 陈梦

审核 | 徐小峰

 ·YUNCHOUSHUO· 

·知乎|运筹说·

·简书|运筹说·

·CSDN|运筹说·

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:/a/322399.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

ThingsPanel部署和使用

前置条件: 首先默认大家有一台服务器或者云服务器并且已经搭建好环境。小编是基于Linux宝塔环境以Docker安装ThingsPanel平台。 一.Docker和Docker-compose 1.概述 Docker是一个开源的容器化平台,它可以帮助开发者将应用程序与其依赖项打包到一个轻量…

Windows10 Docker Desktop安装

一、简介 Docker Desktop是Docker公司推出的一款桌面应用程序,它提供了一个用户友好的界面,方便开发人员在本地环境中使用容器技术。 容器是一种轻量级的虚拟化技术,可以将应用程序和其依赖项打包在一起,形成一个独立、可移植的…

gateway Redisson接口级别限流解决方案

文章目录 前言1. 计数器算法(固定窗口限流器)2. 滑动窗口日志限流器3. 漏桶算法(Leaky Bucket)4. 令牌桶算法(Token Bucket)5. 限流队列应用场景实现工具 一、Redisson简介二、Redisson限流器的原理三、Red…

Docker实战06|深入剖析Docker Run命令

前几篇文章中,重点讲解了Linux Namespace、Cgroups、AUFS的核心原理,同样也是Docker的底层原理实现。目录如下: • 《Docker实战01|容器与开发语言》 • 《Docker实战02|Namespace》 • 《Docker实战03|C…

RPA与通知机器人的完美结合

写在前面 在现代快节奏的工作环境中,我们经常会面临多个任务同时进行的情况,你还在为时间不够用、忙碌而惆怅吗?你还在为时刻盯着电脑流程而烦恼吗?你还在为及时收不到自己的自动化任务进度而焦躁吗?别担心&#xff0…

6K star! 100%本地运行LLM的AI助手

AI套壳千千万万,你最喜欢哪一款?现在各种ChatGPT替代品层出不穷,但是大部分都是使用OpenAI的API,也就说离不开网络。 今天我们推荐的开源项目它就是要帮你100%在本地运行大模型,进而构建一个属于自己的ChatGPT&#x…

直播岗位认知

一、直播平台特性与规则 作为直播岗位的一员,首先要了解所使用的直播平台的特性与规则。不同的平台有着不同的用户群体和特点,同时也有各自的运营规则和规范。熟悉平台的操作界面、功能特点、用户行为规范、广告和版权等方面的规定,对于保证…

Vue Axios——前端技术栈

文章目录 基本介绍Vue是什么? MVVMVue的使用快速入门注意事项和使用细节 Vue 数据绑定机制分析数据单向渲染注意事项和细节 双向数据绑定事件绑定示例:注意事项和使用细节课后作业1课后作业2 修饰符示例 条件渲染/控制: v-if v-showv-if VS v-show课后作…

[HTML]Web前端开发技术12(HTML5、CSS3、JavaScript )——喵喵画网页

希望你开心,希望你健康,希望你幸福,希望你点赞! 最后的最后,关注喵,关注喵,关注喵,佬佬会看到更多有趣的博客哦!!! 喵喵喵,你对我真的…

ArcGIS Pro中怎么加载在线地图

当我们在制图的时候,有的时候需要加载在线地图,在ArcGIS Pro中加载在线地图的方式有很多,这里为大家介绍一下加载的方法,希望能对你有所帮助。 加载底图 在菜单栏上选择地图,点击底图,可以看到所有可加载…

【PyQt小知识 - 7】:QLineEdit设置输入的文本以圆点或星号等方式显示

文章目录 setEchoMode setEchoMode 在PyQt中,QLineEdit是一种用于接收用户输入的小部件(widget)。setEchoMode是QLineEdit类中的一个方法,可以用于设置文本输入框中的文本显示模式。它接受一个参数来指定要使用的模式。 setEcho…

「JavaSE」类和对象2

🎇个人主页:Ice_Sugar_7 🎇所属专栏:快来卷Java啦 🎇欢迎点赞收藏加关注哦! 类和对象2 🍉匿名对象🍉关键字static🍌static修饰成员变量🍌static修饰成员方法&…

JavaScript switch case语句

JS switch case 语句与 if else 语句的多分支结构类似,都可以根据不同的条件来执行不同的代码;但是与 if else 多分支结构相比,switch case 语句更加简洁和紧凑,执行效率更高。 JavaScript switch case 语句的语法格式如下&#…

认识SpringBoot中的条件注解

✅作者简介:大家好,我是Leo,热爱Java后端开发者,一个想要与大家共同进步的男人😉😉 🍎个人主页:Leo的博客 💞当前专栏: 循序渐进学SpringBoot ✨特色专栏: MySQL学习 🥭本文内容:认识SpringBoot中的条件注解 📚个人知识库: Leo知识库,欢迎大家访问 1.前…

实人认证(人像三要素)API:加强用户身份验证

前言 在当今数字化时代,随着互联网应用的广泛普及,用户身份验证的重要性日益凸显。实人认证(人像三要素)API作为一种新型的身份验证方式,凭借其高效、安全和便捷的特性,正在成为加强用户身份验证的强大工具…

微调您的Embedding模型以最大限度地提高RAG管道中的相关性检索

英文原文地址:https://betterprogramming.pub/fine-tuning-your-embedding-model-to-maximize-relevance-retrieval-in-rag-pipeline-2ea3fa231149 微调您的Embedding模型以最大限度地提高RAG管道中的相关性检索 微调嵌入前后的 NVIDIA SEC 10-K 文件分析 2023 年…

护眼灯有蓝光吗?防蓝光护眼台灯推荐

护眼台灯是家长为孩子购买的常见用品之一,但对于它的了解却不够深入,很多人购买之后反而容易出现眼睛疲劳、不适的情况!据了解,主要的原因是因为在选择护眼台灯时,大多数人没有专业知识,没有买到合适的护眼…

Web3与环保:区块链如何推动可持续发展

随着气候变化和环境问题日益严峻,社会对可持续发展的需求变得愈发迫切。在这个背景下,Web3技术和区块链崭露头角,成为推动可持续发展的关键力量。本文将深入探讨Web3技术如何与环保理念相结合,引领我们迈向更加可持续的未来。 1. …

统计学习 复习(知识点+习题)

复习资料:https://github.com/RuijieZhu94/StatisticalLearning_USTC 第一章 线性回归 1. From one to two 最小二乘 课后题 有偏/无偏估计 加权最小二乘 2. Regularization 线性回归(二维情况) 求解有约束优化问题 正则化最小加权二乘…

博客摘录「 性能优化:__builtin_expect详解」2024年1月15日

性能优化:__builtin_expect详解___builtin_expect对性能的影响-CSDN博客https://blog.csdn.net/chudongfang2015/article/details/75710848 #define LIKELY(x) __builtin_expect(!!(x), 1) __builtin_expect宏定义中为何写成!!(x)? 首先__buildin_expec…