Оптимальное управление запасами угля Змиевской ТЭС
Пополнение склада. Пополнение склада может осуществляться либо периодически через определенные интервалы времени, либо по мере исчерпания запасов, т. е. снижения их до некоторого уровня.
Объем заказа. При периодическом пополнении и случайном исчерпании запасов объем заказа может зависеть от того состояния, которое наблюдается в момент подачи заказа. Заказ обычно подается на одну и ту же величину при достижении запасом заданного уровня — так называемой.
Время доставки. В идеализированных моделях управления запасами предполагается, что заказанное пополнение доставляется на склад мгновенно. В других моделях рассматривается задержка поставок на фиксированный или случайный интервал времени.
Стоимость поставки. Как правило, предполагается, что стоимость каждой поставки слагается из двух компонент — разовых затрат, не зависящих от объема заказываемой партии, и затрат, зависящих (чаще всего — линейно) от объема партии.
Издержки хранения. В большинстве моделей управления запасами считают объем склада практически неограниченным, а в качестве контролирующей величины служит объем хранимых запасов. При этом полагают, что за хранение каждой единицы запаса в единицу времени взимается определенная плата.
Штраф за дефицит. Любой склад создается для того, чтобы предотвратить дефицит определенного типа изделий в обслуживаемой системе. Отсутствие запаса в нужный момент приводит к убыткам, связанным с простоем оборудования, неритмичностью производства, т. е. не получение прибыли и т. п. Эти убытки в дальнейшем будем называть штрафом за дефицит.
Номенклатура запаса. В простейших случаях предполагается, что на складе хранится запас однотипных изделий или однородного продукта. В более сложных случаях рассматривается многономенклатурный запас.
Структура складской системы. Наиболее полно разработаны математические модели одиночного склада. Однако на практике встречаются и более сложные структуры: иерархические системы складов с различными периодами пополнения и временем доставки заказов, с возможностью обмена запасами между складами одного уровня иерархии и т. п.
В качестве критерия эффективности принятой стратегии управления запасами выступает функция затрат (издержек), представляющая суммарные затраты на хранение и поставку запасаемого продукта (в том числе потери от порчи продукта при хранении и его морального старения, потери прибыли от омертвления капитала и т. п.) и затраты на штрафы.
Управление запасами состоит в отыскании такой стратегии пополнения и расхода запасами, при котором функция затрат принимает минимальное значение.
Рассмотрим простейшие модели управления запасами.
Пусть функции А(t), В(t) и К(t) выражают соответственно пополнение запасов, их расход и спрос на запасаемый продукт за промежуток времени [0, t]. В моделях управления запасами обычно используются производные этих функций по времени а(t), b(t), r(t), называемые соответственно интенсивностями пополнения, расхода и спроса.
Если функции а(t), b(t), r(t) — не случайные величины, то модель управления запасами считается детерминированной, если хотя бы одна из них носит случайный характер — стохастической. Если все параметры модели не меняются во времени, она называется статической моделью, в противном случае — динамической. Статические модели используются, когда принимается разовое решение об уровне запасов материалов на предприятии на определенный период, а динамические модели используют в случае принятия последовательных решений об уровнях запаса или корректировке ранее принятых решений с учетом происходящих изменений на предприятии.
Уровень запаса в момент t определяется основным уравнением запасов:
J(t) = J0 + A(t) – B(t), (2.1)
где J0 - начальный запас в момент t = 0;
A(t) – пополнение запасов продукта;
B(t) –расход запасаемого продукта за промежуток времени [0, t];
Уравнение (1) чаще используется в интегральной форме:
(2.2)
2.1.2 Статическая детерминированная модель без дефицита
Предположение о том, что дефицит не допускается, означает полное удовлетворение спроса на запасаемый продукт, т.е. совпадение функций r(t) и b(t). Пусть общее потребление запасаемого продукта за рассматриваемый интервал времени θ равно N. Простейшая модель, в которой предполагается, что расходование запаса происходит непрерывно с постоянной интенсивностью, то есть b(t) = b. Интенсивность найдем по формуле (2.3):
b = N/θ, (2.3)
гдеN - общее потребление продукта;
θ - время, в течение которого расходуется продукт;
Пополнение заказа происходит партиями одинакового объема, т.е. функция a(t) не является непрерывной: a(t) = 0 при всех t, кроме моментов поставки продукта, когда a(t) = n. Так как интенсивность расхода равна b, то вся партия будет использована за время T, которое находится по формуле (2.4):
T = n/b, (2.4)
гдеn - объем партии;
b - интенсивность расхода;
Если отсчет времени начать с момента поступления первой партии, то уровень запаса в начальный момент равен объему этой партии n, т.е. J(0) = n. Графически уровень запаса в зависимости от времени представлен на рисунке 2.1

Рисунок 2.1 – Уровень запаса в зависимости от времени
На временном интервале [0, T] уровень запаса уменьшается по прямой J(t) = n - bt от значения n до нуля. Так как дефицит не допускается, то в момент T уровень запаса мгновенно пополняется до прежнего значения n за счет поступления партии заказа. И так процесс изменения J(t) повторяется на каждом временном интервале продолжительностью Т.
Задача управления запасами состоит в определении такого объема партии n, при котором суммарные затраты на создание и хранение запаса были бы минимальными.
Обозначим суммарные затраты через С, затраты на создание запаса — через С1, затраты на хранение запаса — через С2 и найдем эти величины за весь промежуток времени Т .
Пусть затраты на доставку одной партии продукта, не зависимые от объема партии, равны с1, а затраты на хранение одной единицы продукта в единицу времени — с2. Так как за время q необходимо запастись N единицами продукта, который доставляется партиями объема n, то число таких партий k равно:
k = N /n = q /T (2.5)
Отсюда получаем
C1 = c1k = c1 N /n(2.6)
Мгновенные затраты хранения запаса в момент времени t равны c2J(t). Значит, за промежуток времени [0, T] они составят:
(2.7)
Средний запас за промежуток [0, T] равен nТ/2, т.е. затраты на хранение всего запаса при линейном (по времени) его расходе равны затратам на хранение среднего запаса.
Учитывая периодичность функции J(t) (всего за промежуток времени q будет k=N/n "зубцов", аналогичных рассмотренному на отрезке [0, T]), и формулу (2.5), получаем, что затраты хранения запаса за промежуток времени q равны:
(2.8)
Нетрудно заметить, что затраты С1 обратно пропорциональны, а затраты С2; прямо пропорциональны объему партии n. Функция суммарных затрат определяется по формуле (2.9)
(2.9)
Графики функций C1(n) и C2(n), а также функции суммарных затрат приведены на рисунке 2.2.

Рисунок 2.2 – Графики функций затрат
В точке минимума функции С(n) ее производная равна
С/(n) = - (c1N/n2) + (c2q/2) = 0, (2.10)
откуда объем партии равен:
(2.11)
или, учитывая формулу (2.3):
(2.12)
Формула (2.11), называемая формулой Уилсона или формулой наиболее экономичного объема партии, широко используется в экономике. Эта формула может быть получена и другим способом, если учесть, что произведение С1С2 = 0,5с1с2Nq есть величина постоянная, не зависящая от n. В этом случае, как известно, сумма двух величин принимает наименьшее значение, когда они равны, то есть С1 = С2 или
![]()
(2.13)
Из (2.12) следует, что минимум общих затрат задачи управления запасами достигается тогда, когда затраты на создание запаса равны затратам на хранение запаса [10].
2.1.3 Статическая детерминированная модель с дефицитом
В рассматриваемой модели [10] предполагается, что существует дефицит. Это означает, что при отсутствии запасаемого продукта, т.е. при J(t) = 0 спрос сохраняется с той же интенсивностью r(t) = b, потребление запаса отсутствует — b(t) = 0, вследствие чего накапливается дефицит со скоростью b. График изменения уровня запаса в этом случае представлен на рисунке 2.3. Убывание графика ниже оси абсцисс в область отрицательных значений в отличие от графика на рисунке 2.2 характеризует накопление дефицита.

Рисунок 2.3 – Уровень запаса в зависимости от времени и с учетом дефицита
Из рисунка 2.3 видно, что каждый период "пилы" T = n/b разбивается на два временных интервала, т. е. T = T1 + T2, где T1 — время, в течение которого производится потребление запаса, T2 — время, когда запас отсутствует и накапливается дефицит, который будет перекрыт в момент поступления следующей партии. Необходимость покрытия дефицита приводит к тому, что максимальный уровень запаса s в момент поступления каждой партии теперь не равен ее объему n, а меньше его на величину дефицита n - s, накопившегося за время T (см. рис. 2.3)
В данной модели в функцию суммарных затрат С наряду с затратами С1 (на пополнение запаса) и С2 (на хранение запаса) необходимо ввести затраты С3 — на штраф из-за дефицита, т.е.
С = С1 + С2 + C3. (2.14)
Затраты С1, как и ранее, находим по формуле (2.13).При рассмотрении статической детерминированной модели без дефицита было показано, что затраты С2 при линейном расходе запаса равны затратам на хранение среднего запаса, который за время потребления Т1 равен sТ1/2; поэтому с учетом (2.8) и (2.5) эти затраты составят
(2.15)
При расчете затрат С3 штраф за дефицит составляет в единицу времени с3 на каждую единицу продукта. Так как средний уровень дефицита за период Т2 равен (n - s) Т2 /2, то штраф за этот период T2; составит 1/2c3(n - s)T2, а за весь период q определяется по формуле (2.16):
(2.16)
Таким образом, суммарные затраты равны:
(2.17)
Рассматриваемая задача управления запасами сводится к отысканию такого объема партии n и максимального уровня запаса s, при которых функция С принимает минимальное значение. Оптимальный объем партии в задаче с дефицитом всегда больше (в 1/√р раз), чем в задаче без дефицита.
2.1.4 Стохастические модели управления запасами
В стохастических моделях управления запасами [10] спрос является случайным. Предположим, что спрос r за интервал времени Т является случайным и задан его закон (ряд) распределения р(r) или плотность вероятностей j(r) (обычно функции р(r) и j(r) оцениваются на основании опытных или статистических данных). Если спрос r ниже уровня запаса s, то приобретение (хранение, продажа) излишка продукта требует дополнительных затрат с2 на единицу продукта; наоборот, если спрос r выше уровня запаса s, то это приводит к штрафу за дефицит с3 на единицу продукции.
В качестве функции суммарных затрат, являющейся в стохастических моделях случайной величиной, рассматривают ее среднее значение или математическое ожидание.
В рассматриваемой модели при дискретном случайном спросе r, имеющем закон распределения р(r), математическое ожидание суммарных затрат имеет вид:
(2.18)
В выражении (2.18) первое слагаемое учитывает затраты на приобретение (хранение) излишка s - r единиц продукта (при s Ј r ), а второе слагаемое — штраф за дефицит на r - s единиц продукта (при r > s).
В случае непрерывного случайного спроса, задаваемого плотностью вероятностей j(r), выражение C(s) принимает вид:
(2.19)
Задача управления запасами состоит в отыскании такого запаса s, при котором математическое ожидание суммарных затрат (2.18) или (2.19) принимает минимальное значение.
Известно, что при дискретном случайном спросе r выражение (2.19) минимально при запасе s0, удовлетворяющем неравенствам
F(s0) < p < F(s0 + 1) (2.20)
а при непрерывном случайном спросе r выражение (2.19) минимально при значении s0, определяемом из уравнения:
F(s0) = p, (2.21)
гдеF(s) = p(r < s) – это функция распределения спроса r;
F(s0) и F(s0+1) - значения функции распределения спроса r;
p - плотность убытков из-за неудовлетворенного спроса;
Плотность убытков из-за неудовлетворенного спроса определяемая по формуле (2.22):
,(2.22)
гдес3 - штраф за дефицит на единицу продукции;
с2 - затраты на приобретение (хранение, продажу) излишка единицы продукции;
Плотность убытков из-за неудовлетворенного спроса играет важную роль в управлении запасами. Заметим, что 0 Ј р Ј 1.
Если значение с3 мало по сравнению с с2, то величина р близка к нулю: когда с3 значительно превосходит с2, то р близка к 1. Недопустимость дефицита равносильна предположению, что с3 = Ґ или р = 1.
Оптимальный запас s0 при непрерывном спросе по данному значению р может быть найден и графически на рисунке 2.4.

Рисунок 2.4 — График функции распределения спроса
2.1.5 Стохастические модели управления запасами с фиксированным временем задержки поставок
В рассмотренных выше идеализированных моделях управления запасами предполагалось, что пополнение запаса происходит практически мгновенно. Однако в ряде задач время задержки поставок может оказаться настолько значительным, что его необходимо учитывать в модели.
Пусть за время задержек поставок q уже заказаны n партий по одной в каждый из n периодов продолжительностью Т = q/n.
Обозначим:
sнз — первоначальный уровень запаса (к началу первого периода);
si — запас за i-й период;
ri — спрос за i-й период;
qi — пополнение запаса за i-й период.
Тогда к концу n-го периода на склад поступит Sqi единиц продукта, а будет израсходовано Sri единиц, т.е.
,
(2.23)
или
sn = s - r, (2.24)
гдеs - запас за i - й период и определяется по формуле:
;
(2.25)
где r - спрос за i - й период. Он равен:
(2.26)
Требуется найти оптимальный объем партии заказа, который необходимо сделать за последний n-й период, предшествующий поступлению сделанного ранее заказа. Математическое ожидание суммарных затрат в этом случае определяется по формуле (2.18), а оптимальный запас s находится по формуле:
F(s0) < p < F(s0 + 1), (2.27)
Найдя оптимальный запас s0 и зная q1, q2,…, qn-1, можно вычислить qn по формуле (2.28) [10], т.е.
(2.28)
2.2 Обоснование выбора модели управления запасами
Модели управления запасами специфичны, в большинстве случаев они не могут в точности отражать какую-то конкретную ситуацию. И, тем не менее, при планировании хозяйственной деятельности предприятия было бы неверным пренебрегать любыми возможностями использования математического аппарата для построения моделей управления запасами.
Деятельность Змиевской ТЭС осуществляется в таких направлениях: производство и продажа электрической и тепловой энергии, снабжение электроэнергии, коммерческо-посредническая и внешнеэкономическая деятельность, предоставление бытовых услуг. Для этого предприятие закупает уголь у Донецких и Луганских поставщиков с запасом, который хранится на складе.
В процессе деятельности спрос на уголь подвержен влиянию фактора сезонности, то есть существуют периоды, когда спрос выше запаса и угля на складе оказывается недостаточно. В этом случае предприятие обращается к поставщику, однако на его доставку требуется определенное время, в течении которого предприятие несет значительные убытки. Возможен и такой вариант, когда необходимости в запасе угля нет и предприятие несет убыток от его приобретения и хранения, не пользующегося спросом на данный момент времени.
Для расчета оптимального запаса были взяты данные по расходу угля за каждый день в течение всего года.
Анализ статистических данных показал, что величина потребления угля каждый месяц различна и носит случайный, но циклический характер. Этот факт указывает на то, что для расчета оптимального запаса продукции необходимо использовать стохастическую модель управления запасами.
2.3 Расчет оптимального запаса
2.3.1 Построение таблиц потребления угля
Построим зависимости потребления угля по дням, по месяцам, а также зависимость потребления, опираясь на данные таблицы 1.4.
Для построения зависимости потребления угля по дням, найдем среднее значения потребления по каждому дню. Для этого просуммируем потребление угля по каждому номеру дня в течение всего года, и разделим это значение на количество дней. Таким образом, мы получим диапазон потребления угля с 1 по 7 день, который показывает среднее значения потребления. Полученный график представлен на рисунке 2.5

Рисунок 2.5 — Потребление угля Змиевской ТЭС по дням
Для построения зависимости потребления угля по месяцам, найдем среднее значение потребления угля за каждый месяц, в течение года. Получим диапазон потребления угля с 1 по 12 месяц. Полученный график представлен на рисунке 2.6

Рисунок 2.6 — Потребление угля Змиевской ТЭС по месяцам
Из рисунков мы видим, что все графики — это периодические процессы.
Также мы видим ярко выраженную циклическую зависимость. Следовательно, функция распределения также должна иметь зависимость от дня, месяца и потребления.
На основании таблицы 1.4 создадим таблицу потребления угля в месяц по каждому дню
Таблица 2.1 — Потребления угля в месяц по каждому дню
-
Месяц № дня Потребление угля по дням Январь
1 7788 1789 4958 5869 5278 2 7559 2256 5849 6263 3422 3 5702 587 6658 8794 4151 4 7338 4201 6249 6991 5 6998 3950 5286 5519 6 2650 3385 5904 2022 7 2036 4012 5544 2449 Февраль
1 3286 4388 5229 5350 7156 2 5420 5552 5934 6768 3 5568 3985 6218 6209 4 8022 4289 5306 6224 5 5130 4241 5544 5722 6 5556 6163 5624 5035 7 5855 5577 5316 7361 Март
1 5718 4232 4560 5087 7604 2 5339 6898 3980 6578 7217 3 4813 5271 6026 5348 6663 4 4790 5955 6132 6016 5 5204 4938 5524 5691 6 5215 3798 5838 5201 7 7357 4564 5586 5897
-
Месяц № дня Потребление угля по дням Апрель
1 6418 3893 3938 3815 3256 2 8519 3636 2820 3560 4865 3 6656 3945 4529 3868 4 6970 7983 3199 3451 5 4683 4221 4397 3315 6 3675 3775 3998 4904 7 4152 3525 3380 2901 Май
1 4037 2615 4241 1529 3131 2 4135 3507 4478 1647 4425 3 3865 4001 4146 2664 3519 4 4368 3974 4104 3666 5 3902 3543 4782 4239 6 4280 4357 3547 4981 7 4588 4010 1882 3420 Июнь
1 3411 2937 3154 2301 1471 2 438 3528 4581 2627 263 3 2157 3290 4354 2641 4 2028 4005 2742 925 5 3747 2552 3019 367 6 2946 3908 3810 1798 7 3113 2818 3589 2700
-
Месяц № дня Потребление угля по дням Июль
1 1469 4708 4905 3855 2859 2 1256 3416 4211 1750 4358 3 442 5541 4807 2321 5404 4 6978 4651 4225 2416 5 7532 5790 4628 1954 6 7700 4076 4610 2953 7 6385 4948 4050 1964 Август
1 4806 4895 1964 3695 1569 2 637 4774 1456 3556 1491 3 1632 3681 1259 2254 1098 4 499 5216 2556 1569 5 4116 3380 3256 1988 6 4013 3245 4562 1887 7 4200 1125 1168 2564 Сентябрь
1 1490 3636 1667 2597 503 2 1744 2566 1288 1698 503 3 1193 4632 2561 329 4 624 546 2143 2157 5 1168 1945 2125 1147 6 1168 1839 589 1484 7 2564 250 4563 1092
-
Месяц № дня Потребление угля по дням Октябрь
1 1456 987 2047 3927 4219 2 800 1546 3571 3697 3482 3 498 4707 2964 6494 4972 4 564 4519 3045 5573 5 370 5734 3712 4672 6 531 4433 2873 5544 7 333 3209 4442 5077 Ноябрь
1 4004 4841 5463 8156 8557 2 4213 5992 5047 7328 8279 3 5327 4437 4859 7677 4 4311 4927 5518 8165 5 4074 4176 7155 7641 6 3667 4358 6160 7469 7 3347 4857 6520 8119 Декабрь
1 8449 9738 6204 6020 4519 2 7394 9059 8781 4926 4660 3 9084 9448 6161 6504 4235 4 8072 8720 7238 5709 5 7220 8276 4413 6067 6 7947 8659 5723 4515 7 7414 9239 6421 6497
2.3.2 Определение экспериментального значения функции распределения
Весь диапазон потребления угля разобьем на три интервала и определим относительную частоту попадания потребления угля в тот или иной интервал, а также сумму частот для каждого интервала.
Конечные данные приведены в таблице 2.2
Таблица 2.2 — Относительная частота попадания потребления угля в интервал
-
Месяц День Относительные значения Сумма частот Интервал 250-3412 3413 – 6575 6576 – 9738 1 2 3 4 Январь
1 0,2 0,6 0,2 0 0,2 0,8 1 2 0,2 0,6 0,2 0 0,2 0,8 1 3 0,2 0,4 0,4 0 0,2 0,6 1 4 0 0,5 0,5 0 0 0,5 1 5 0 0,75 0,25 0 0 0,8 1 6 0,5 0,5 0 0 0,5 1 1 7 0,5 0,5 0 0 0,5 1 1 Февраль
1 0 0,8 0,2 0 0 0,8 1 2 0 0,75 0,25 0 0 0,8 1 3 0 1 0 0 0 1 1 4 0 0,75 0,25 0 0 0,8 1 5 0 1 0 0 0 1 1 6 0 1 0 0 0 1 1 7 0 0,75 0,25 0 0 0,8 1
-
Месяц День Относительные значения Сумма частот Интервал 250-3412 3413 – 6575 6576 – 9738 1 2 3 4 Март
1 0 0,8 0,2 0 0 0,8 1 2 0 0,4 0,6 0 0 0,4 1 3 0 0,8 0 0 0 0,8 1 4 0 1 0 0 0 1 1 5 0 1 0 0 0 1 1 6 0 1 0 0 0 1 1 7 0 0,75 0,25 0 0 0,8 1 Апрель
1 0 0,8 0,2 0 0 0,8 1 2 0,2 0,6 0,2 0 0,2 0,8 1 3 0 0,75 0,25 0 0 0,8 1 4 0 0,5 1 0 0 0,5 1 5 0 1 0 0 0 1 1 6 0 1 0 0 0 1 1 7 0,25 0,75 0 0 0,25 1 1 Май
1 0,6 0,4 0 0 0,6 1 1 2 0,2 0,8 0 0 0,2 1 1 3 0,2 0,8 0 0 0,2 1 1 4 0 1 0 0 0 1 1 5 0 1 0 0 0 1 1 6 0 1 0 0 0 1 1 7 0,25 0,75 0 0 0,25 1 1
-
Месяц День Относительные значения Сумма частот Интервал 250-3412 3413 – 6575 6576 – 9738 1 2 3 4 Июнь
1 0,6 0,4 0 0 0,6 1 1 2 0,6 0,4 0 0 0,6 1 1 3 0,5 0,5 0 0 0,5 1 1 4 0,75 0,25 0 0 0,75 1 1 5 0,75 0,25 0 0 0,75 1 1 6 0,5 0,5 0 0 0,5 1 1 7 0,75 0,25 0 0 0,75 1 1 Июль
1 0,4 0,6 0 0 0,4 1 1 2 0,4 0,6 0 0 0,4 1 1 3 0,4 0,6 0 0 0,4 1 1 4 0,25 0,5 0,25 0 0,25 0,8 1 5 0,25 0,5 0,25 0 0,25 0,8 1 6 0,25 0,5 0,25 0 0,25 0,8 1 7 0,25 0,5 0,25 0 0,25 0,8 1 Август
1 0,4 0,6 0 0 0,4 1 1 2 0,6 0,4 0 0 0,6 1 1 3 0,6 0,4 0 0 0,6 1 1 4 0,75 0,5 0 0 0,75 1,3 1 5 0,25 0,75 0 0 0,25 1 1 6 0,25 0,75 0 0 0,25 1 1 7 0,75 0,25 0 0 0,75 1 1 Сентябрь 1 0,8 0,2 0 0 0,8 1 1 2 1 0 0 0 1 1 1
-
Месяц День Относительные значения Сумма частот Интервал 250-3412 3413 – 6575 6576 – 9738 1 2 3 4 Сентябрь
3 0,75 0,25 0 0 0,75 1 1 4 1 0 0 0 1 1 1 5 1 0 0 0 1 1 1 6 1 0 0 0 1 1 1 7 0,75 0,25 0 0 0,75 1 1 Октябрь
1 0,6 0,4 0 0 0,6 1 1 2 0,4 0,6 0 0 0,4 1 1 3 0,4 0,6 0,2 0 0,4 1 1 4 0,5 0,5 0 0 0,5 1 1 5 0,25 0,75 0 0 0,25 1 1 6 0,5 0,5 0 0 0,5 1 1 7 0,25 0,75 0 0 0,25 1 1 Ноябрь
1 0 0,6 0,4 0 0 0,6 1 2 0 0,6 0,4 0 0 0,6 1 3 0 0,75 0,25 0 0 0,8 1 4 0 0,75 0,25 0 0 0,8 1 5 0 0,5 0,5 0 0 0,5 1 6 0 0,75 0,25 0 0 0,8 1 7 0 0,5 0,5 0 0 0,5 1 Декабрь
1 0 0,4 0,6 0 0 0,4 1 2 0 0,4 0,6 0 0 0,4 1 3 0 0,4 0,6 0 0 0,4 1 4 0 0,5 0,75 0 0 0,5 1 5 0 0,5 0,5 0 0 0,5 1 6 0 0,5 0,5 0 0 0,5 1 7 0 0 1 0 0 0 1
Для каждого интервала найдем середину и для каждого дня определим F(x) — экспериментальную функцию распределения.
Полученные данные приведены в таблице 1 приложения А.
Для каждого значения середины интервала определим среднее значение экспериментальной функции распределения F(x). Получим результативные данные, приведенные в таблице А.1 приложения А
Таблица 2.3 — Среднее значение экспериментальной функции распределения
| Середина интервала | Среднее значение F(X) |
| 125 | 0 |
| 1831 | 0,27 |
| 4994 | 0,84 |
| 8157 | 1 |
По полученным данным построим график экспериментального значения функции распределения потребления угля.

Рисунок 2.7 — Экспериментальное значение функции распределения потребления угля Змиевской ТЭС
2.3.3 Определение параметров синусоиды
На рисунке 2.7 проведем линию тренда, определим приблизительные параметры синусоид, которыми мы будем аппроксимировать наши графики.

Рисунок 2.8 — Экспериментальное значение функции распределения потребления угля.
Найдем параметры циклических зависимостей [5].
Расстояние от точки до прямой есть амплитуда, которая характеризует размах колебания потребления угля.
Если прямая имеет вид Ax+By+C=0, то расстояние от точки до прямой будет иметь вид
d=
(2.29)
В нашем случае уравнение прямой имеет вид
(2.30)
Приведем его к стандартному виду
(2.31)
Тогда
K=-1;
L=
;
(2.32)
M=
.
Согласно нашим данным K=-1, L=8032, M=125.
Тогда расстояние от прямой до первой амплитуды равно
(2.33)

Расстояние до второй амплитуды равно
(2.34)

Определим среднюю амплитуду
(2.35)
Точка пересечения (точка Е) находится на середине интервала
(2.36)
![]()
Тогда формула должна иметь вид
(2.37)
Формулу (2.35) запишем в виде
y=Ax-Bsin(Cx-D)+E (3.38)
Согласно формулам (2.35) и (2.36) коэффициенты при синусоиде определяются по формулам
С =
(3.39)
D =
(3.40)
2.3.4 Подбор вида формул для графиков зависимости потребления угля по дням и месяцам
Для определения вида формулы или параметров синусоиды мы построили графики, которые показывают среднее значение потребления угля по каждому дню в течение месяца и среднее значение потребления угля по месяцам в течение года.

Рисунок 2.9 — Потребление угля