Модель нефтедобывающей промышленности страны описывается блочной задачей линейного программирования. Процесс согласования решений моделей различных уровней опирается на группу управляющих параметров, которые формируются в моделях нефтедобывающих районов (в настоящей разработке они являются координаторами решений). Эти параметры представляют собой вектор дискретных оценок, возможность использования которых для согласования решений рассматривалась в работе [83], где они интерпретируются по их роли в алгоритме оптимизации, т. е. как параметры, показывающие наиболее вероятное направление изменений условий задачи, учитывающие дефицитность ресурсов, существенность ограничений, соотношение затрат и т. д. и приводящие к улучшению отраслевого плана. [c.208]
Число групп в дискретном вариационном ряду определяется числом реально существующих значений варьирующего признака. Если же признак может принимать хотя и дискретные значения, но их число очень велико ( например, поголовье скота на 1 января года в разных сельхозпредприятиях может составлять от нуля до десятков тысяч голов), тогда строится интервальный вариационный ряд. Интервальный вариационный ряд строится и для изучения признаков, которые могут принимать любые, как целые, так и дробные, значения в области своего существования. Таковы, например, рентабельность реализованной продукции, себестоимость единицы продукции, доход на 1 жителя города, доля лиц с высшим образованием среди населения разных территорий и вообще все вторичные признаки, значения которых рассчитываются путем деления величины одного первичного признака на величину другого (см. гл. 3). [c.95]
В дискретном вариационном ряду медианой следует считать значение признака в той группе, в которой накопленная частота превышает половину численности совокупности. Например, для данных табл. 5.1 медианой числа забитых за игру мячей будет 2. [c.102]
При таком обозначении границ может возникнуть вопрос, в какую группу включать единицы объекта, значения признака у которого совпадают с границами интервалов. Для того чтобы правильно отнести к той или иной группе единицу объекта, у которой значение признака совпадает с границами интервалов, можно использовать открытые интервалы. Если в основании группировки лежит дискретный признак, то нижняя граница последующего интервала равна верхней границе предыдущего интервала, увеличенной на единицу. [c.29]
Примечание. В таблице основных ценностей покупателей (табл. А1.1) — см. п. 6 — должны быть видимые различия между новообразованными подгруппами. Они должны быть дискретны, в противном случае их нельзя указывать как отдельные группы Одна компания разделила сектор на пять сегментов только для того, чтобы открыть, что три из них хотя и называются по-разному, имеют одинаковые ОЦП и покупательское поведение. Эти три группы на самом деле представляли собой один сегмент, поэтому изначально сектор должен был быть разделен на три группы, а не на пять.) [c.138]
Политика цен при вертикальном и горизонтальном делении рынка. Дифференциация цен налицо, если продавец за одинаковые или примерно одинаковые услуги (наборы услуг) в гра-ницах определенного интервала времени запрашивает у различных групп покупателей высокие цены, отличающиеся друг от друга по своим запланированным дискретным уровням [37.316]. Действенность политики дифференцированного ценообразования определяется наличием следующих предпосылок [c.181]
Известно, что все математические модели (модели математического программирования) можно разделить на две большие группы модели с непрерывными и модели с дискретными переменными. Среди экономических задач по выбору оптимальных вариантов можно выделить задачи, которые можно решить как в непрерывной, так и в дискретной постановке. Сюда относятся, например, задачи отраслевого и заводского планирования. Возникает вопрос когда необходимо использовать непрерывную постановку, а когда дискретную В чем преимущества и недостатки той или иной постановки Ответы на эти вопросы можно дать на примере задач оптимального отраслевого планирования в промышленности. [c.120]
Максимальные габариты обрабатываемого изделия. К ним относятся максимальные диаметр d (мм) и длина / (мм) обрабатываемого изделия. При анализе типажа металлорежущих станков токарной группы была установлена следующая дискретная зависимость (см. рис. 3.5). Параметрический ряд максимальных диаметров d (мм) определяется по формуле [c.126]
Широкое разнообразие и многоплановый характер задач управления систем требуют, соответственно, применения разнообразных математических методов. Однако при всем многообразии задач и методов их решения можно выделить три основные группы моделей. К первой группе относятся дискретные модели, построенные на основе дискретизации пространственных и временных координат. Дискретные модели, обладающие достоинствами численных методов, наиболее универсальны допускают возможность достаточно наглядной интерпретации результатов обладают определенной [c.86]
Достоинства первых двух групп могут быть использованы в моделях третей группы - так называемых дискретно-непрерывных моделях (ДНМ). Такое название исходит из сочетания дискретных и непрерывных представлений как в пространственно-временных координатах, так и в пространстве решений. Здесь возможны различные варианты. Например, решение может быть представлено в виде непрерывной в пространственных координатах функции, коэффициенты которой вычисляются в каждом временном шаге, либо наоборот - в каждой точке дискретной области определяется непрерывная во времени функция. Во многих случаях решение конструируется в виде дискретного набора непрерывных функций. [c.87]
Пусть вся область изменения случайной величины х разбита на конечное число k(i= 1,2,. .., k) интервалов (в случае непрерывной величины) или групп (для дискретных величин). Например, в статистический ряд, полученный в результате эксперимента (табл. 2.9). [c.72]
Дифференциация по категориям потребителей применяется в целях более полного учета энерготехнологических характеристик представителей основных тарифных групп. В промышленной группе отдельных потребителей можно объединить в категории по таким параметрам, как тип производства (дискретное, непрерывное), присоединенная мощность или максимальная (контрактная) нагрузка, вид питающего напряжения (низкое, среднее, высокое), категория надежности электроснабжения. [c.218]
Группы вспомогательного персонала следует заменить проектными командами по решению задач, призванными решать конкретные дискретные задачи. Структура такой команды более эффективна при решении многих вопросов, которые в прошлом были уделом специальных подразделений и экспертов среднего звена руководства. Подумайте, к примеру, каким образом можно реорганизовать большой производственный отдел. Прежде всего, любой проект должен управляться руководителем среднего звена из отдела кадров. Им должна быть сформирована группа, состоящая из менеджеров, рядового персонала и технических экспертов. В некоторых удачных случаях в группу разработчиков проекта включается представитель отдела, который, собственно, и будет являться пользователем результатов проекта. В большинстве случаев этих представителей информируют уже по факту , когда проект исполнен. В развитой организации будущего такая команда будет управляться и укомплектовываться сотрудниками из числа непосредственных пользователей результатов проекта. Экспертная оценка и техническая поддержка осуществляются одним или двумя сотрудниками из отдела кадров. [c.181]
Для того чтобы определить потребности потребителей, необходимо провести маркетинговые исследования. На первом этапе они обычно включают неформальный опрос потенциальных покупателей и обсуждение в группах с целью выяснения ценных для респондентов благ, потребностей, различий в высказываемых желаниях. Например, кто из них отдает приоритетное значение невысоким ценам, а для кого главное — имидж и качество товара. На втором этапе составляется формальная анкета, заполняемая большой группой респондентов для количественной оценки различий. При определении наиболее значимых переменных сегментирования рынка используются различные методы статистики, например, дискретный или кластерный анализ.2 Нередко рынок разделяется на группы потребителей в зависимости от выгод, которые они стремятся получить, приобретая товар, например, качество и технические характеристики продукта, уровень обслуживания, экономия. [c.100]
При расчете норм производственных запасов на предприятиях с регулярными процессами снабжения и расхода (т.е. отпуска со склада в течение всего года), помимо нормообразующих факторов первой группы, необходимо в зависимости от характера протекающих процессов поступления и отпуска (дискретны они или непрерывны) учесть разное количество нормообразующих факторов второй группы [c.88]
При дискретных процессах производства и отгрузки возможны два случая. Первый из них, когда отгрузка осуществляется реже, чем сдача готовой продукции на склад (5 > 1, Т > 1, причем Т > S ), факторным признаком будет объем суточной отгрузки (Q,), а результативным признаком (U[) — сгруппированный показатель из четырех значений нормообразующих факторов объема суточного производства, интервала отгрузки, интервалов между рабочими днями и количества перерывов между рабочими днями в интервалах отгрузки. Второй случай, когда отгрузка осуществляется чаще, чем сдача готовой продукции на склад (5С > 1, Гс > 1, причем Т < 5с ), факторным признаком будет объем суточного производства (R ), а результативным — сгруппированный показатель (W из четырех значений нормообразующих факторов объемов суточных отгрузок, интервалов отгрузки, интервалов между рабочими днями и количеств перерывов между днями отгрузки в интервалах между рабочими днями. Группировка нормообразующих факторов позволяет при анализе рассматривать двухфакторную модель, один фактор (или группа факторов) характеризует процесс прихода, другой фактор (или группа факторов) — процесс расхода. [c.214]
Выбор способа определения специфицированной нормы производственного запаса зависит от конкретных условий его формирования — от периодичности производства материала у предприятия-поставщика, условий снабжения (т.е. поступления материала к потребителю) и расхода (т.е. отпуска со склада на производственно-эксплуатационные, ремонтные и хозяйственные нужды) нормируемой марки материального ресурса у предприятия-потребителя. В зависимости от того, дискретны или непрерывны процессы снабжения и расхода нормируемой марки материала, при расчете специфицированной нормы предприятию следует учитывать соответственно разное количество нормообразующих факторов второй группы, определяющих условия формирования производственного запаса. Учет в расчете специфицированных норм производственных запасов специфики процессов поступления и расхода материала у потребителя подразделяется на следующие пять возможных случаев [c.302]
Методы расчета специфицированных норм для всех указанных выше случаев в основном похожи друг на друга. Различия заключаются только в том, что при определении изменений текущих и страховых запасов в интервалах в зависимости от особенностей протекающих процессов следует учитывать соответственно разное количество нормообразующих факторов второй группы, определяющих формирование запаса. При нормировании в случае стохастических условий формирования запаса вариации нормообразующих факторов (второй группы) в интервалах рассматриваются как случайные независимые события, а значения их — как случайные независимые величины. Для определения специфицированной нормы рекомендуется применить вероятностно-статистический метод, основанный на использовании математического аппарата, применяемого в теории вероятностей для случайных независимых дискретных величин. [c.303]
Наиболее просто пояснить предлагаемые подходы вероятностно-статистического метода нормирования при наличии корреляционной связи между нормообразующими факторами второй группы на примере расчета специфицированной нормы для марки материального ресурса в случае, когда требуется учесть небольшое количество этих факторов. При этом физическую модель изменения запасов проиллюстрируем для предприятия-потребителя с дискретным процессом снабжения (поставки не каждый день) и непрерывным процессом отпуска (ежедневный расход) нормируемой марки материального ресурса. Процессы снабжения и расхода в течение года будем рассматривать как неравномерные, изменяются (варьируют) значения следующих нормообразующих факторов объемов и интервалов поставок, объемов суточных отпусков. В данном случае корреляционная связь между нормообразующими факторами начинает учитываться при значении коэффициента корреляции, рассчитанного между объемами поступления в интервалах и суммарными объемами отпуска за этот же период и соответствующего величине JIQ/U > 0,60 (где JIQ/U — рассчитанный коэффициент корреляции). [c.361]
При дискретных процессах снабжения и расхода и соотношении значений продолжительностей средних интервалов, когда интервал поставки меньше интервала отпуска (Т < S ), необходимо учесть влияние вариаций значений четырех нормообразующих факторов второй группы интервалов поставок, объемов поставок, интервалов отпуска, количеств перерывов между поставками в интервалах отпуска. В этом случае для расчета специфицированной нормы производственного запаса, полученной на основе обработки исходной информации, использовать следующие данные [c.379]
Расчеты специфицированных норм оборотных средств на промышленном (или строительном и т.п.) предприятии нужно проводить последовательно по всем маркам, входящим в каждый расходуемый предприятием вид материального ресурса, а затем полученные их значения последовательно укрупнять путем агрегирования в видовые нормы (и предварительно по номенклатурным группам, если вид на них подразделяется). Для любой марки, вида вышеуказанных материальных ресурсов определение норм производится по одной и той же расчетной технологии, при этом различия в определении самих норм касаются только способа учета при расчете условий поступления и отпуска (дискретные или непрерывные эти процессы). [c.414]
Марковские цепи применяемые для прогнозирования поведения подобного рода систем можно разделить на две группы. Цепи Маркова с дискретным временем и цепи Маркова с непрерывным временем. [c.339]
При установлении интервалов группировки важно выявить характерную внутреннюю дифференциацию исследуемого явления. При группировке по качественному признаку число групп чаще всего определяется числом значений признака. При группировке по количественному признаку, если число значений признака невелико, желательно выделить в группировке все его значения. Например, группируя рабочих по уровню квалификации, лучше всего выделить все тарифные разряды. Если число значений дискретного признака велико либо признак непрерывный, то группировка по всем значениям признака невозможна либо ненаглядна и имеет малую аналитическую ценность, поскольку не выявляет характерных свойств явления. [c.28]
При записи интервалов важно правильно отграничивать их друг от друга. Если признак группировки дискретный, то нижняя граница следующего интервала на единицу больше верхней границы предшествующего интервала (см. предыдущий пример). Если признак группировки непрерывный, то одно и то же его значение отражает верхнюю и нижнюю границы двух смежных интервалов. В таких случаях это значение признака принято относить к верхней или к нижней границе этих интервалов в зависимости от формулировки так называемых открытых интервалов группировки, начинающихся словами до , не более , свыше и т. п. Так, если два интервала возраста указаны до 14 лет и 14—16 лет , то ровно 14 лет относится ко второй группе, а ровно 16 лет — к третьей группе. Если интервалы стоимости основных фондов указаны до 500 тыс. руб. , 500 тыс. руб. — 2 млн. руб. и 2 млн. руб. и более , то это значит, что к первой группе должны быть отнесены предприятия со стоимостью основных фондов до 499999,99 руб. включительно, ко второй — начиная ровно с 500 тыс. руб., к третьей — начиная ровно с 2 млн. руб. [c.29]
Используя данные таблицы, определим процент выполнения норм выработки рабочими-сдельщиками в отчетном и базисном периодах. Для этого от интервального ряда распределения рабочих-сдельщиков по группам перейдем к дискретному ряду. С этой [c.130]
Решение этой задачи в принципе не так уж сложно — алгоритм дискретного динамического программирования, подробно описанный в 44, приводит к цели с затратой числа операций в общем случае порядка О (Nh 2n). Последовательность точек (6) и объявляется оптимальной траекторией задачи (1) — (5) разумеется, речь идет о приближенно оптимальной траектории, точность зависит от шагов сетки т и А. Если элементарная операция реализована точным решением задачи типа (1) — (5) на малом интервале [t(, tt+1], то мы имеем дело с точной траекторией управляемой системы (2), проходящей через узлы ж/, в моменты tf обычно элементарная операция реализуется не абсолютно точно, и узлы (6), соединенные, например, отрезками прямых, представляют некоторую аппроксимацию решения системы ж=/. Если нас интересует не только оптимальная траектория (6), но и реализующее ее управление и (t), то его можно восстановить по узлам (6) с помощью той же элементарной операции. Следует прежде всего подчеркнуть ту легкость, с которой данный метод справляется со всеми ограничениями на фазовую часть траектории, будь то ограничения на правом конце траектории (х (Т)=Х1) или еще более сложные ограничения типа х (t) G при всех t. В известной монографии [57] отражена история развития методов приближенного решения задач оптимального управления группой ВЦ АН СССР под руководством Н. Н. Моисеева. Работа начиналась с естественной попытки строить минимизирующие последовательности управляющих функций. После первых успехов в решении простейших неклассических задач (это — задачи, содержащие только ограничение типа u U без условий на правом конце траектории в [40] опубликовано решение задачи о максимальной дальности планирования) встретились определенные трудности, связанные с огра- [c.122]
Оставшаяся часть этой главы посвящена анализу различных распределений вероятностей, применимых при оценке поведения рентабельности активов при условии соответствующих допущений. Начнем с двух непрерывных распределений — нормального и логнормального. Затем рассмотрим два дискретных распределения — биномиальное и Пуассона. Закончим рассмотрение группой других непрерывных распределений, в том числе и распределением Парето—Леви. Объясним наиболее желательные характеристики распределений с точки зрения финансового аналитика. [c.189]
В финансах нас особенно интересуют две большие группы стохастических процессов. Процессы дискретного времени/дискретной переменной позволяют дискретным переменным изменяться в дискретные промежутки времени. Мы уже встречались с этими стохастическими процессами в форме биномиальных и триномиальных моделей в гл. 8. [c.461]
Аналитический учет рабочего времени и заработной платы по отдельным агрегатам или группам оборудования очень близко подходит к оперативно-техническому учету, но не смыкается с ним. Оперативно-технический учет служит для управления производственными операциями (комплексами операций). Каждая производственно-хозяйственная операция дискретна, она имеет начало и конец, в соответствии с которыми возникает и утрачивает свое значение для управления информации оперативно-технического учета. [c.266]
Дискретные компоненты являются неразъемными и представляют собой основные электронные структурные компоненты в системе. Они могут иметь единственную активную электрическую функцию (полупроводниковые приборы, определенные примечанием 5 (А) к группе 85, или единственную пассивную электрическую функцию (резисторы, конденсаторы, межсоединения и т.д.). [c.372]
Определение издержек при эксплуатации объекта. Издержки при эксплуатации объекта направляются на выполнение технологических процессов, обеспечение действия инженерного оборудования зданий, поддержания в них нормативных санитарно-гигиенических условий и на содержание строительных конструкций в технически исправном состоянии. По периодичности выполнения их разделяют на две группы — дискретно распределенные по времени и непрерывно распределенные (текущие). К издержкам первой группы относятся годовые отчисления на полное восстановление и выполнение работ по капитальному ремонту (частичному восстановлению) основных фондов объекта (эти равномерно производимые начисления реализуются по времени неравномерно). Вторая группа — основные текущие годовые издержки Сэ при экплуатации промышленных зданий [c.183]
Ко второй группе относятся определения, где также используется термин производственный цикл , но он уже характеризуется не как период или время , а как совокупность отдельных взаимосвязанных производственных процессов, в результате осуществления которых получается законченный продукт. При изучениии вопросов экономики, организации и планирования промышленного производства нас интересует не столько техническое и технологическое содержание такой совокупности процессов и операций, сколько исполнение ее во времени, т. е. полная длительность производственного цикла, продолжительность и количество перерывов, в том числе праздных ритмичность и общий фронт работ, дискретность и параллельность движения производства. [c.72]
В данной главе мы, прежде всего, покажем, как модели кооперативного поведения, возникающего в результате подражания среди агентов, организованных в иерархическую структуру, демонстрируют вышеназванное критическое явление, украшенное "логопериодичностью". Логопериодичность оказывается прямым и общим признаком существования предпочтительного масштабирующего фактора подобия, (что потом мы назовем инвариантностью дискретной шкалы), соответствующего увеличительному множителю, связывающему один уровень иерархии со следующим. Затем мы немного формализуем эту идею и покажем, как замечательная техника, называемая "группа перенормировок или ренормгруппа", извлекает выгоду из существования мультимаштабного самоподобия свойств критического явления, чтобы вывести фундаментальное и точное описание этих моделей. Мы обеспечим несколько наглядных примеров, включая обобщенную функцию Вейерштрасса (Weierstrass) - фрактальную модель ценовых траекторий фондового рынка, которая является непрерывной, но демонстрирует неровные структуры на всех масштабах увеличения. [c.176]
Все входные переменные можно разделить на две группы переменные, распознающие состояние, которые часто, но не всегда, принимают дискретные значения, и описательные переменные, принимающие непрерывные значения. По переменным состояния сеть может распознавать опционы разных серий. В зависимости от значений этих переменных сеть должна по-разному направлять входной сигнал. Например, от того, состоялась ли некоторая сделка по опционам в 4 ч. дня в пятницу или в 11 ч. утра в среду, зависят те выводы, которые можно из этого сделать в отношении цены акций. Ситуация, когда модель ведет себя по-разному в зависимости от значений одной или нескольких переменных, — это типичный пример нелинейных взаимодействий. То же самое может относиться и к недискретным переменным. Например, сделка по опциону, до истечения срока которого остается более трех месяцев, и по опциону, до исполнения которого остается совсем немного времени, по-разному влияют на изменения цены акций в краткосрочной перспективе. Если мы смотрим на входные переменные таким образом, то мы неявно подразумеваем, что существует некоторая совокупность решающих пра- [c.119]
Наиболее просто пояснить предлагаемые подходы вероятностно-статистического метода на примере расчета специфицированной нормы для марки материального ресурса (МР) в случае, когда требуется учесть небольшое количество нормообразующих факторов второй группы. При этом физическую модель изменения запасов проиллюстрируем для предприятия-потребителя с дискретным процессом снабжения (поставки не каждый день), большой частотой поставок и непрерывным (ежедневным) процессом отпуска нормируемой марки материала1. При этом процессы снабжения и расхода в течение года будем рассматривать как неравномерные — меняются (варьируют) значения следующих нормообразующих факторов объемов и интервалов поставок, объемов суточных отпусков. Эта модель наиболее близка к Классической и достаточно подробно рассмотрена в экономической литературе, посвященной нормированию производственных запасов. Правда, в этих работах рекомендуется применять другие алгоритмы для определения специфицированной нормы, чем излагаемые ниже, но они не полностью учитывают специфику формирования запаса при данных условиях (более подробно см. гл. 3). [c.304]
При расчете специфицированной нормы производственного запаса вероятностно-статистическим методом необходимо учесть условия формирования производственного запаса на предприятии. Особенность формирования при транзитных (складских, смешанных) поставках и указанных выше условиях (при дискретном процессе снабжения и непрерывном процессе отпуска) заключается в том, что любая из рассматриваемых марок МР поступает на предприятие не каждый день, но в больших количествах (например, в объеме железнодорожного вагона, железнодорожного маршрута и т.п.), а отпускается на производственные нужды ежедневно небольшими партиями, так, что произведенной поставки хватает для отпуска на несколько суток. При данных условиях следует учесть все нормообразующие факторы первой группы (см. разд. 1.2) и три нормообразующих фактора второй группы — вариации в течение года (квартала) объемов поставок, интервалов поставок и объемов суточных отпусков нормируемой марки материального ресурса1. [c.305]
Задача носит существенно дискретный характер для каждой неоптимальной ситуации, определяемой разбиением переменных sn f на две группы — базисные и внебазисные, существует свое минимальное ненулевое значение понижения А. Этих ситуаций конечное число, следовательно, существует такое е > О, что каждый шаг симплекс-метода, в какой бы ситуации он не осуществлялся, приводит к понижению А не менее, чем на е. Поэтому число шагов не может быть бесконечным (предполагается, разумеется, что решение задачи существует и min А > — оо, даже если среди чисел s , s+ есть и бесконечные, как в задачах с односторонними ограничениями типа 0 < sn). [c.422]
Понятно, что когда набор данных велик, как в этом случае, необходимо изложить его в виде таблицы распределения численностей для того, чтобы аналитик смог осмыслить его характеристики. Построенная таблица представляет данные в разбивке на группы или интервалы. Пример сгруппированных дискретных данных, приведенный в табл. 2.2, описывает уровни индекса FTSE 100. [c.70]
Приведенные данные свидетельствуют о довольно высоком уровне нормирования труда в отрасли, что подтвержда-ется значительной степенью охвата работников отраслевыми и межотраслевыми нормами и нормативами и в течение нескольких последних лет стабильным перевыполнением норм выработки. Между тем как еще десять, а в ряде случаев и пять лет назад по большинству вышеприведенных показателей положение было не таким благополучным. Например, степень охвата межотраслевыми и отраслевыми нормами в 1973 г. в целом по отрасли составляла всего лишь 44 , в том числе по группе предприятий с аппаратурными процессами производства 65 и по группе предприятий с машинно-ручным процессом труда и дискретным характером производства 30 . [c.10]
Сюда включают управляемые светодиоды, использующие алфавитно-цифровые сигналы и индикационные панели, состоящие, например, из ячеек или светодиодов. Каждый символ содержит определенное количество свето-диодов в виде дискретных компонентов или соединенных с одним микрочипом. Эти устройства монтируются на печатных платах с генератором/декодером. Каждая цифра (символ) или группа цифр покрыта полупрозрачным материалом, усиливающим интенсивность светового пятна, образуемого диодами, формирующими цифры или буквы в функции импульса, передаваемого на схему сигнала. 8531 90 900 О [c.343]
В позицию также не включены химические элементы группы 28 (например, кремний и селен), легированные для использования в электронике в виде дисков, пластин или аналогичных форм, безотносительно к тому, полированы ли они или нет, покрыты однородным эпитаксиаль-ным слоем или нет, при условии, что они не были селективно легированы или легированы методом диффузии для образования дискретных зон. [c.363]
Математич. модели расчета Т. б. о. можно разделить на две группы модели для расчета динамич. Т. б. о. и статич. Т. б. о. В динамич. моделях Т. б, о. плановый период разбивается на отдельные дискретные отрезки времени, для каждого из к-рых находится топливный баланс, критерием оптимальности берутся совокупные затраты в сферах произ-ва, транспорта и потребления топлива на весь плановый период. Статич. модели Т. б. о. позволяют рассчитывать баланс на последний год планового периода. В качестве критерия оптимальности принимаются затраты в произ-ве, транспорте и потреблении топлива за последний год планируемого периода. Статич. Т. б. о., рассчитанный на последний год планового периода, может не соответствовать минимуму затрат на весь плановый период. Поэтому расчеты динамич. Т. б. о. должны дать более оптимальное решение. Однако исходная матрица при этом увеличивается в число раз, соответствующее количеству дискретных отрезков, на к-рыо разбивается плановый период. Схемы расчета динамич. и статич. балансов могут быть построены с учетом фактора сезонной неравномерности в режимах произ-ва и потребления топлива и без учета этого фактора. В большинстве математич. моделей для расчета Т. б. о. условно допускалась синхронность в режимах произ-ва и потребления топлива. Такое допущение далеко уводит от реальной действительности в уело- [c.211]