Математическое моделирование основных классов стохастических продуктивных систем
Автор: Бутов Александр Александрович, Волков Максим Анатольевич, Голованов Виктор Николаевич, Коваленко Анатолий Александрович, Костишко Борис Михайлович, Самойлов Леонид Михайлович
Журнал: Инженерные технологии и системы @vestnik-mrsu
Рубрика: Информатика, вычислительная техника и управление
Статья в выпуске: 4, 2019 года.
Бесплатный доступ
Введение. В статье рассматриваются математические модели двух основных классов процессов в стохастических продуктивных системах. Для многостадийной системы определены условия принадлежности классу «точно в срок» или классу с бесконечным носителем функции распределения времени выполнения продуктивных операций. Материалы и методы. Описания и исследования моделей осуществляются траекторными (мартингальными) методами. Для систем «точно в срок» и многостадийных стохастических продуктивных систем используются термины и методы процессов случайного блуждания в случайной среде и процессов размножения и гибели. Результаты сформулированы в описаниях характеристик интенсивностей компенсаторов точечных считающих процессов. Результаты исследования. Приведены и доказаны две теоремы, обосновьшающие предложенную классификацию математических моделей продуктивных систем. Даны критерии принадлежности стохастической продуктивной системы классу «точно в срок». Доказана теорема о несовместности групп систем «точно в срок» и систем с бесконечным носителем распределения времени выполнения операций. Обсуждение и заключение. Полученные результаты показывают целесообразность анализа стохастических продуктивных систем мартингальными методами. Описания в терминах интенсивностей компенсаторов продуктивных процессов допускают обобщения.
Математическое моделирование, стохастическая продуктивная система, выполнение операций, система "точно в срок", мартингал, интенсивность, компенсатор
Короткий адрес: https://sciup.org/147220633
IDR: 147220633 | DOI: 10.15507/2658-4123.029.201904.496-509
Текст научной статьи Математическое моделирование основных классов стохастических продуктивных систем
В настоящей работе предлагается метод описания стохастических продуктивных систем и соответствующих процессов выполнения операций в достаточно общих случаях. В современном промышленном производстве, как и при высокотехнологичной организации сельскохозяйственного производства, наблюдается определенная общность подходов и методов организации продуктивных процессов, обусловленная возможностями планирования. Методами построения формальных математических моделей обосновывается простая классификация стохастических продуктивных систем и соответствующих процессов выполнения операций в достаточно общих случаях.
В работе решается проблема построения и исследования математической модели стохастической (то есть подверженной случайным возмущениям) продуктивной системы. Важнейшим частным случаем таких объектов является система выполнения операций «точно в срок». Возникший первоначально для задач промышленного производства, этот метод организации жизненного цикла распространился в последнее десятилетие на методы программирования, обучения и тренировок, лечения и многое другое. При этом остаются неразработанными и неисследованными математические модели, отвечающие задачам оптимального управления, планирования оценивания параметров и уровней ри- сков. В задачах практической реализации таких систем ряд авторов создавал описания, сводящиеся к задачам логистики. Однако случайные возмущения (например, возврат «забракованных» операций разработки конструкторской документации на переработку, изменения в урожайностях или в скорости роста деревьев в лесоводстве, отклонения в интенсивностях выполнения операций и многое другое) авторы до настоящего времени пытались свести к простым аддитивным добавкам, как правило, с гауссовским законом распределения.
Темой исследования является построение в общих траекторных терминах такого математического описания, которое могло бы соответствовать принципу «точно в срок» и отклонениям от него. Также описание должно позволять разброс в интенсивности («скорости») выполнения операций с известными номерами и таким образом использовать метод случайной среды, которая и является набором этих интенсивностей. Описания, следовательно, должны опираться на разработанные авторами траекторные (известные также как мартингальные) методы построения моделей. Наряду с целью формирования модели, в работе необходимо решить следующие принципиальные задачи: определить условия, при которых система может являться «точно в срок» и решить задачу о возможности «совмещения» такого описания с моделью, не имеющей финитного носителя (когда с положительной вероятностью операции могут быть не выполнены за большое время). Эта последняя задача не является такой уж абстрактной, ведь, по существу, это иная формулировка проблемы о совместимости большинства теорий старения с теорией запрограммированной смерти.
Методы при построении и исследовании моделей использовались траекторные (мартингальные) в терминах точечных считающих процессов.
Том 29, № 4. 2019
Обзор литературы
Анализу продуктивных систем посвящено большое количество работ. В последние годы возрастает роль моделирования и различных описаний систем, подвергающихся случайным возмущениям, то есть стохастическим системам, которым и посвящена настоящая работа. Необходимо это, прежде всего, для задач управления, прогнозирования и оценивания параметров таких систем.
Прежде всего необходимо отметить, что используемый здесь термин «продуктивная система» не является устоявшимся в русскоязычной научной литературе, посвященной вопросам моделирования. Это объясняется тем, что он восходит к широко используемым в англоязычных источниках двум близким терминам: production system и productive system. Первый из них – production system – используется преимущественно для рассмотрения систем производства (систем мануфактуры), конструирования, технологических процессов, инженерных систем. Следует отметить (в качестве примеров стохастического описания моделей) работы, которые выполнили С. Пань и Ш. Ли [1], а также А. Фаз-лирад и Т. Фрайхайт [2]. При этом термин production system, как правило, сочетается со словами inventory или manufacturing. Второй англоязычный термин – productive system – имеет более широкое применение. Так, он, включая перечисленные объекты моделирования, используется еще и при анализе вопросов эффективности, сельскохозяйственных систем, в лесоводстве, при анализе критических состояний систем. Ц. Чжэнь [3] и С. Гупта [4] провели исследования, которые стали примерами стохастических описаний соответствующих систем. Стоит заметить, что все сказанное выше так же относится и к популярному современному объекту научных исследований «точно в срок», прообразом кото- рого служит англоязычный термин just in time (just-in-time).
Перед тем как обсудить методы выполнения операций в продуктивных системах, организованных по принципу «точно в срок», укажем, что приведенные здесь (а также иных моделях) случайные возмущения (стохастич-ность) рассматриваются как простые аддитивные (и, как правило, гауссовские) «добавки» к стандартным детерминистским описаниям. Такого рода описания доминируют, как хорошо известно, в анализе логистических задач (например, в транспортных задачах). Однако возмущения, присущие даже системам производства, не сводятся к логистическим проблемам. Продуктивные системы подвержены ограничениям на интенсивности выполнения операций, случайным явлениям возвращений на переработку и доработку, случайным отказам, стохастическим процедурам восстановления и многому другому. Также оказывается заведомо стохастическим описание прохождения многостадийных фаз жизненного цикла биологических объектов. Еще один подход, реализованный в упомянутых работах, сводится к описанию продуктивной системы как простой марковской цепи, что также далеко не всегда соответствует реальным объектам (и в силу отсутствия марковского свойства, и ввиду непрерывности времени выполнения операций).
Для того чтобы преодолеть указанные трудности моделирования, разрабатывались модели в траекторных терминах (называемых также мартин-гальными), в терминах точечных или считающих процессов. Необходимо отметить работу, выполненную А. А. Бутовым и А. А. Коваленко [5]. Эта работа построена на принципах, развитых А. А. Бутовым [6]. Упомянутые модели прохождения многостадийного жизненного цикла биологическими объектами разрабатывалось А. А. Бутовым в соавторстве с рядом ученых [7; 8].
Описание и математическое моделирование систем «точно в срок», являющихся важнейшим классом продуктивных систем, восходят к основополагающим (но не «математизированным» и не вероятностным) работам Й Суги-мори и других [9], а также М. Йаявуза и Э. Ачкали [10]. Наряду с инженерными, производственными и технологическими системами, организованными по принципу «точно в срок», в последние годы возникли системы обучения «точно в срок», представленные в работе С. Килли, Э. Моррисона [11], в сфере программирования – в работе Т. Папе, К. Ф. Больца, Р. Хиршфельда [12].
Отметим, что представленные в настоящей работе описания позволяют математически формализовать известную проблему - существует ли в системе биологических объектов программируемое прохождение стадий жизненного цикла в форме программируемого старения и программируемой смерти. Работы на эту тему, как правило, носят описательный характер и плохо поддаются математическому моделированию. Укажем лишь отдельные из них, посвященные рассуждениям о программируемой смерти - Б. Т Вайнерт и П. С. Тими-рас [13], Дж. Миттельдорф [14; 15], М. В. Благосклонный [16], А. Ковальд, Т. Б. Л. Кирквуд [17], Дж. Ван Раамс-донк [18]. При этом существенной особенностью рассматриваемых на основе терминологии процессов выполнения операций в продуктивной системе является многостадийность процессов, модели которой разработаны А. А. Бутовым и соавторами [19; 20]. Настоящая работа исходит из возможности описания многостадийных процессов выполнения операций в терминах случайных блужданий и процессов размножения и гибели, описанных в работах А. А. Бутова [6; 21], Л. С. Т. Хо [22] и П. Янга [23].
Материалы и методы
Рассмотрим модели продуктивных систем следующих двух типов:
-
(a) апериодического производства за ограниченное время;
-
(b) апериодического производства за время с неограниченным носителем функции распределения.
При этом как система (a), так и (b) могут допускать (I) циклическое производство, (II) непрерывное производство. Целью данной работы является обоснование выделения двух непере-секающихся классов моделей: (a) и (b).
Математическим обоснованием данной классификации служат приведенные ниже теоремы. Представим формальное математическое описание стохастической модели выполнения операций. Работа выполнена в мартин-гальных терминах, траекторными методами.
Рассмотрим стохастический базис B = ( Q , F , F = ( F t ) t > о , P ) (то есть вероятностное пространство ( Q , F , P ) , снабженное неубывающим непрерывным справа потоком σ -алгебр F = ( F t ) t > о , пополненным по мере P [5; 6; 21; 24]). На B определим продуктивный процесс X = ( X t ) t > о , заключающийся в выполнении конечного положительного и целого числа K операций. Траектории процесса X предполагаются регулярными (то есть непрерывными справа при t > 0 и имеющими предел слева при t > 0). В качестве процесса выполнения рассмотрим невозрастающий процесс случайного блуждания в случайной среде E = = { ( x t (1) ) , > 0 , — ( x t ( K - 1) ) t > о } - где неотрицательные случайные функции X t ( i ) являются F o -измеримыми при всех i ≥ 1 и t ≥ 0 [6]. Пусть случайная величина X t = X t ( го ), ю еП , является числом еще не выполненных операций продуктивного процесса ∀ t ≥ 0 . Тогда для процесса случайного блуждания (рассматриваемого в качестве модели выполнения K операций) справедливы соотношения: X t g {0,1, .„ , K } при t > 0, X 0 = K £ {1,2, . } и ^ X t = X t - X t - £
Том 29, № 4. 2019
e { - 1,0} при t > 0 (где X t - = lim X s ). s → t - 0
Процесс выполнения может быть представлен в виде:
X t = K - A t , (1)
где A q = 0 и неубывающий процесс A = ( A t ) t > Q равен A t = = £ I { A Xs = - 1}, где I { • } - инди-
0< s < t каторная функция, то есть I {true} = 1, I{false} = 0. При последовательном выполнении процесс A является точечным считающим процессом и, следовательно, скачкообразным неубывающим субмартингалом со скачками AAt £ {0, I (1< Xt -)}. Следовательно, в разложении Дуба - Мейера для компенсатора Ã [6; 24] справедливо равенство:
t
At = J a s • I {1 < Xs }ds , (2)
где интенсивность скачков a t > 0 определяется случайной средой E :
K at =2 Xt (i )• I {Xt = i}. (3)
i = 1
На базисе B для каждого последовательного номера i £ { K , K - 1, . ,1} марковский момент т (i ) является временем начала выполнения i -й операции: т (K ) = 0 и для z '£ { K - 1, . , 1} :
т ( i ) = inf{ / > т ( i + 1): X t = i } . (4)
Момент завершения всего продуктивного процесса т (0) (несоответствующий началу выполнения операции) определяется аналогично:
т (0) = inf{ ? > т (1): X t = 0} . (5)
Для момента т (0) также имеет место равенство т (0) = inf{ Z > 0: X t = 0} .
Для марковских моментов т (i ) Р - почти наверное (то есть с единичной вероятностью) справедливы неравенства:
т ( K ) <т (K - 1) < ■•■ < т (1) < т (0) . (6)
Если Р{ т (0) <да } = 1, то процесс выполнения конечен. Тогда т (i ) - моменты остановки на B . В этом случае при всех x е ( -да , да ) определена функция распределения F T (0) (x ) = ^ { т (0) < x } и для всех i e {K , ^ ,1} - условные функции распределения F i -^ Vx ) = P { т ( i - 1) < x | F T (i ) } . Из (6) следует, что P – почти наверное для всех i e { K ,...,1} выполняются равенства:
F (0) (0) = F^-^i )) = 0 . (7)
Заметим, что в случае K > 1, F T (0) ( x ) не совпадает со случайной функци-
(1) ( 1)
ей f (0) ( x ), поскольку F (0) ( x ) = 0 при x < t (1).
Определение
Конечный процесс выполнения X = ( X t ) t > q называется «точно в срок» (или процесс «точно в срок T »), если существует такое число T е (0, да ), что:
P { t (0) < T } = 1 и P { t (0) > T - £ } > 0
V £ > 0 . (8)
В модели мы предполагаем, что распределение процесса X определяется случайной средой E . Следовательно, случайные функции и F^i - y^x ) при всех i e { K , ^ ,1} и функция распределения F T (0) ( x ) абсолютно непрерывны, то есть существуют плотности распределения моментов. Наряду с процессом X в модели рассмотрим вспомогательный процесс одного скачка N = ( N t ) t > 0 с N t = I { Xt > 1} = I { t < т (0)}. Разложения Дуба – Мейера для N на стохастическом бази з B N = ( Q , F , F N = ( F N ) t > 0 , P ) (с Ft N = c t( N s ; s < t )) по теореме Деллашери [24] имеют вид:
t
N t = 1 — j N s P s ds + m N , (9)
где dTo)( t)/dt/
/(1 - F T (0) ( t ))
, (10)
а ( m t ) t > q - квадратично интегрируемый мартингал.
Результаты исследования
Предложение
Условие (8) «точно в срок T » для процесса X эквивалентно (11):
t
J ^ s ds < да при t < T , и
T
∫ µ s ds =∞ . (11)
Доказательство
Как следует из (7) и (10), t
=log (1 - FT (0)(t)), что и доказы- вает (8).
Предложение доказано
t
Обозначим ^ t ( i ) = J X s ( i ) ds и Ф( t ) =
= min { ^ t ( i ) } при ф ( t ) = min { ^ ( i ) } .
1 < i < K 1 < i < K
Модель с финитным носителем процессов выполнения операций в случайной среде
Теорема 1 (критерий «точно в срок»)
Процесс X в случайной среде E является «точно в срок T » тогда и только тогда, когда Р - почти наверное выполняются условия (12) и (13):
Ф ( t ) <да при t < T , (12)
ф ( Т ) =да . (13)
Доказательство
Аналогично N = ( N t ) t > 0 рассмотрим для всех номеров i e { K, ^. ,1} вспомогательные процессы N ( i ) =
= ( N t ( i )) t > 0 с N t ( i ) = I { X t > i } = I { t < t ( i - 1) на стохастических базисах в ( i' = = ( Q , f , F ( i ) = ( F/ i ) ) t > Q , P ) с F i ) = =< г { т ( i ), ( N s ( i ); s < t ) } . Разложения Дуба -Мейера процессов N ( i ) на B ( i ) имеют вид:
t
N t ( i ) = 1 - J N s ( i ) • H s ( i ) ds + m N ( i ) , (14) 0
где при всех i e {K, „ . ,1}:
F t ( i ) =
dF ( i ) dF T ( i - 1)
( t)/dt /
/ 1- FT^Ftt »’
N (i а (mt )t>0 — соответствующие квадратично интегрируемые мартингалы. Отметим, что в случае K > 1, B N Т B(1), поскольку FtN ТFt(1). Поэтому цt ^ pt (1). Из (1), (2), (3) и (12) получаем, что при всех ie{K, . ..,1}:
Д ( i ) = X t ( i ) • I { X t = i }. (15)
Покажем достаточность условий теоремы. Из (6) и (13) следует, что для каждого номера ie {K, „. ,1} P - почти наверное выполняется соотношение lim t ^ T
{ ф t ( i ) - Ф т ( i ) ( i ) }
=« .
Пусть v t ( i ) =E { N t ( i ) I F T (i ) } - услов - ное математическое ожидание N t ( i ). Тогда из (14) и (15) следует, что при t < т ( i ) v t ( i ) = 1 и при t & Q u (i ), T):
t
V t ( i ) = 1 - J V s ( i Я ( i ) ds . (17)
t ( i )
Решением (17) является случайный процесс:
v t ( i ) = I{t >т ( i )} • exp { - ( Ф t ( i ) - Ф т ( i )( i )) } .
Из чего следует, что
= lim exp {-(9t(i) — фт(i)(i))} P t ^ T vT (i)=
- по-
чти наверное. Из (16) получаем, что для всех ie{K, ^,1} Vt(i)=0 P - по-
чти наверное, откуда и получаем, что P{X T > 1} = P{N T > 1} = N T = E { N T (1) } = 0. Из (6), (12) и (18) также получаем, что N t > 0 при любых t < T . Достаточность доказана. Покажем необходимость условий теоремы. Условие (12) очевидно необходимо (в противном случае из (18) следовало бы, что P{X u = 0} = I {true} = 1 при каком-то значении u < T ). Доказательство необходимости (13) проводится от противного. Определим для каждого номера i e { K, ^ ,1} и для каждого числа n > 1 множество
Г n ( i ) = ^ ® eQ :
Tc™
J X s ( i ) ds < n > .
Заметим,
I 0
что Г n ( i ) g F q . Если (13) не выполнено, то существуют такой номер i e { K , ^ ,1} и конечное число n , что Р { Г n ( i )} > 0 .
Рассмотрим процесс X = ( X t ) t > q
с
X
t
=
Xt• I
{
Г
n
(
i
)}
, а также
xt
=e
{
Xt I F
T
(
i
)}.
Из (18) получаем, что
X
t
(
i
)
= =
i
•
I
{
r
n
(
i
)}
•
lim exp
{
-( t(i) — фт(i)(i))} ^ >I{Гn(i)}-exp{-n}>0, что противоречит (8), поскольку на множестве Гn(i) значения XT и XT совпадают. Теорема доказана. Несовместность моделей Рассмотрим семейство моделей с процессами выполнения операций X(T) = (Xt (T))t>q «точно в срок T». Пусть время T=T(to), ® eQ, является строго положительной F0-измеримой случайной величиной. Возникает вопрос, существует ли такое распределение моментов времени T, с некоторой плотностью р(t)=рт(t), t>0, что результирующая модель соответствует процессу с плотностью вероятности моментов завершения выполнения операций, обладающей бесконечным носителем (а не финитным, как в случае с «точно в срок»)? Например, могут ли моменты смерти в гипотезе программируемой смерти быть так распределены, чтобы результирующая кривая дожития соответствовала схеме Гомпертца или ее аналогам? В рассмотрении мы предполагаем, что определяемая в (10) функция pt = pt (T) отвечает «точно в срок T». Не ограничивая общности мы предполагаем, что переходная функция - плотность вероятности р(t) - является гладкой функцией. Заметим, что результирующему процессу X(T) соответствуют момент завершения ^(0)=inf{t> 0: Xt (T)=0} аналогично т(0) в схеме (4) - (5). Для него определим процесс одного скачка N(T)=(Nt (T))t>о с Nt = I {Xt (T)>1}= = I {t < ^(0)}. Разложения Дуба - Мейера для N(T) на стохастическом базисе BN(T) = (П, F, F N (T ’ = (FN(T >), 4», P) (с fP(T) = п(Ns (T); s< t)) аналогично (9) – (10): Доказательство Покажем справедливость утверждения от противного. Пусть при любом значении s, s > 0 момента T = T(to), ©eQ, модель отвечает условию (8) «точно в срок s». Следовательно, выполняются соотношения (11) V s, s > 0: j Pt (5)dt = «. (19) Из того, что функция плотности распределения ρ(s) гладкая, следует, что существуют числа r и u такие, что 0 < r< u< да и для некоторого е > 0 выполняется р(s) > е при всех 5е [r, и]. Тогда: ∞u ht = j р( s) -pt (s) ds > eJ pt (s) • I {t < s} ds. 0 r Из (20) следует, что при любом u > 0, Nt (T)=1-f Ns (T) • hsds+mN(T), 0 dF^ (0)( t)/dt/ ht /(I" Fg(0)( t)), N (T К а (mt )t>0 - квадратично интегрируемый мартингал на B N(T). Таким образом, задача сводится к вопросу о существовании p(t) такой, что конечная функция ht интегрируема на любом конечном интервале. Теорема 2 (о несовместности моделей) Не существует гладкой функции плотности р(t) с финитным носителем такой, чтобы функция ht была интегрируема на любом конечном интервале [0, и ] с 0 < и<да. u ∫ 0 и ( и htdt>j Js-pt(5)• I{t<s}ds dt = 0 V r uu = j j s-1{r< s} -pt (s) • I{t< s} dsdt. 00 Меняем порядок интегрирования и получаем из (19) неравенство: uu ( u \ Jhtdt>£-j jI{t<s}-pt(s)dt ds = r V 0 u = £•[ ^ 5 ^ r V 0 7 да, что противоречит предположению об интегрируемости ht на [0, u]. Теорема доказана Обсуждение и заключение В работе дано общее определение систем «точно в срок» общего вида. В Предложении и Теореме 1 сформулированы условия принадлежности продуктивных систем классу «точно в срок». Как показано в Теореме 2, модели таких систем оказываются в определенном смысле несовместными с моделями систем с бесконечными носителями распределения моментов завершения процессов выполнения операций. В частности, модели для процессов с заведомо сезонным режимом выполнения (например, в зерноводстве) несовместимы с моделями с потенциально сколько угодно долго живущими объектами (например, в лесоводстве). Заметим, что также несовместны модели программируемого старения в геронтологии с моделями износа (например, Гомпертца – Мейкхама). Предлагаемый метод математического описания и исследования достаточно легко может быть распространен на общий случай процессов случайного блуждания в случайной среде (в том числе для процессов размножения и гибели). В ряде случаев также целесообразно рассматривать X = (Xt) t >q как процесс размножения и гибели в детерминированной среде [21–23]. Для процесса выполнения значения Xtе {0,1, 2 .} при t > 0 X0= Kе {1,2, ..} и AXt = Xt-Xt- е{-1,0,1} при t > 0. Тогда, вместо (1) имеем: Xt = K - At + Bt, (21) где Aq = Bо = 0 и неубывающие процессы A = (At)t>0 и B = (Bt)t>0 равны At = £ I {AX, =-1}. I {Xs—>1} 0< s < t и Bt = ^ I {AX, =1}. Компенсаторы 0< ,< t субмартингалов A и B, аналогично (2), представим как: tt At =J as • I {1 < Xs} ds, Bt =J bs • I {1 < Xs} ds. 0 0 Интенсивности скачков at≥0 и bt≥0 для процессов размножения и гибели в общем детерминированном случае определяются равенствами (27): as = «(s) • Xs+П(s) • I{1^Xs}, (23) bs = в s) • Xs + у( s) • I {1< Xs}. (24) Тогда выполнение (8) в требовании «точно в срок T» определяется решением уравнения (29) для математического ожидания Rt (i)=Е {Xt}: t Rt = K + J (es — as) • Rsds + 0 t +J (Ys - ns )• P{1 ^ Xs}ds. (25) При этом, как следует из Предложения и Теоремы 1, даже в скалярном случае функция as (а также в отдельных случаях βs) не интегрируема. Для (21), (22), (23) и (24), как и для уравнения (25), естественно, актуальны многомерные обобщения, что представимо в форме линейного операторного уравнения (см. [25]). Определение условий существования и единственности неотрицательного решения линейного интегрального уравнения в настоящее время остается актуальной задачей, поскольку представления условий в терминах собственных значений операторов в соответствующих Банаховых пространствах [25] даже в простых (в том числе скалярных) случаях харак- теризуют траекторное поведение функций αs,βs,γs и ηs опосредованно. Полезными и интересными представляются дальнейшие исследова ния и для управляемых продуктивных систем, в том числе для управляемых процессов случайного блуждания. Поступила 01.08.2019; принята к публикации 15.10.2019; опубликована онлайн 31.12.2019 Об авторах: Все авторы прочитали и одобрили окончательный вариант рукописи.
Список литературы Математическое моделирование основных классов стохастических продуктивных систем
- Pan X., Li Sh. Optimal Control of a Stochastic Production-Inventory System under Deteriorating Items and Environmental Constraints // International Journal of Production Research. 2015. Vol. 53, Issue 2. Pp. 607-628. DOI: 10.1080/00207543.2014.961201
- Fazlirad A., Freiheit T. Application of Model Predictive Control to Control Transient Behavior in Stochastic Manufacturing System Models // Journal of Manufacturing Science and Engineering. 2016. Vol. 138, Issue 8. Article 081007. DOI: 10.1115/1.4031497
- Stochastic Frontier Analysis of Productive Efficiency in China's Forestry Industry / J. Chen [et al.] // Journal ofForest Economics. 2017. Vol. 28, Issue 1. Pp. 87-95. DOI: 10.1016/jjfe.2017.05.005
- Gupta S. Stochastic Modelling and Availability Analysis of a Critical Engineering System // International Journal of Quality & Reliability Management. 2019. Vol. 36, Issue 5. Pp. 782-796. https:// DOI: 10.1108/IJQRM-07-2018-0167
- Butov A. A., Kovalenko A. A. Stochastic Models of Simple Controlled Systems Just-in-Time // Journal of Samara State Technical University. Ser. Physical and Mathematical Sciences. 2018. Vol. 22, no. 3. Pp. 518-531. DOI: 10.14498/vsgtu1633
- Butov A. A. Random Walks in Random Environments of a General Type // Stochastic s and Stochas-tics Reports. 1994. Vol. 48, Issue 3-1. Pp. 145-160.
- DOI: 10.1080/17442509408833904
- Бутов А. А., Шабалин А. С., Коваленко А. А. Математическая модель многостадийного старения адаптивных систем // Фундаментальные исследования. 2015. № 9. С. 219-222. URL: http:// www.fundamental-research.ru/pdf/2015/9-2/39077.pdf (дата обращения: 06.11.2019).
- Бутов А. А., Шабалин А. С., Чибрикова Т. С. Математическая модель многостадийного старения с восстановлением // Ученые записки УлГУ Сер. Математика и информационные технологии. УлГУ Электрон. журн. 2018. № 1. C. 34-37. URL: https://www.ulsu.ru/media/up-loads/anako09%40mail.ru/2018/06/13/ButovAA_ShabalinAS_ChibrikovaTS.pdf (дата обращения: 06.11.2019).
- Sugimori Y., Kusunoki K., Cho F., Uchikawa S. Toyota Production System and Kanban System Materialization of Just-in-Time and Respect-for-Human System // International Journal of Production Research. 1977. Vol. 15, Issue 6. Pp. 553-564.
- DOI: 10.1080/00207547708943149
- Yavuz M., Akcali E. Production Smoothing in Just-in-Time Manufacturing Systems: A Review of the Models and Solution Approaches // International Journal of Production Research. 2007. Vol. 45, Issue 16. Pp. 3579-3597.
- DOI: 10.1080/00207540701223410
- Killi S., Morrison A. Just-in-time Teaching, Just-in-Need Learning: Designing towards Optimized Pedagogical Outcomes // Universal Journal of Educational Research. 2015. Vol. 3, Issue 10. Pp. 742-750.
- DOI: 10.13189/ujer.2015.031013
- Pape T., Bolz C. F., Hirschfeld R. Adaptive Just-in-Time Value Class Optimization for Lowering Memory Consumption and Improving Execution Time Performance // Science of Computer Programming. 2017. Vol. 140. Pp. 17-29.
- DOI: 10.1016/j.scico.2016.08.003
- Weinert B. T., Timiras P. S. Invited Review: Theories of Aging // Journal of Applied Physiology. 2003. Vol. 95, Issue 4. Pp. 1706-1716.
- DOI: 10.1152/japplphysiol.00288.2003
- Mitteldorf J. Programmed and Non-Programmed Theories of Aging // Russian Journal of General Chemistry. 2010. Vol. 80, no. 7. Pp. 1465-1475.
- DOI: 10.1134/S107036321007042X
- Mitteldorf J. Can Aging Be Programmed? // Biochemistry (Moscow). 2018. Vol. 83, no. 12. Pp. 1524-1533.
- DOI: 10.1134/S0006297918120106
- Blagosklonny M. V. Aging Is not Programmed Genetic Pseudo-Program Is a Shadow of Developmental Growth // Cell Cycle. 2013. Vol. 12, Issue 24. Pp. 3736-3742.
- DOI: 10.4161/cc.27188
- Kowald A., Kirkwood T. B. L. Can Aging Be Programmed? A Critical Literature Review // Aging Cell. 2016. Vol. 15, Issue 6. Pp. 986-998.
- DOI: 10.1111/acel.12510
- Van Raamsdonk J. M. Mechanisms Underlying Longevity: A Genetic Switch Model of Aging // Experimental Gerontology. 2018. Vol. 107. Pp. 136-139.
- DOI: 10.1016/j.exger.2017.08.005
- Butov A. A., Shabalin A. S. Stochastic Simulation Model for Matching the Ages of Laboratory Animals (Mammals) and Humans // Advances in Gerontology. 2016. Vol. 6, Issue 2. Pp. 88-90.
- DOI: 10.1134/S2079057016020028
- Бутов А. А., Коваленко А. А., Шабалин А. С. Математическая модель изменений в компенсации износа при старении // Международный журнал прикладных и фундаментальных исследований. 2018. № 4. C. 14-17. URL: https://applied-research.ru/pdf/2018/4/12175.pdf (дата обращения: 06.11.2019)
- Butov A. A. On the Problem of Optimal Instant Observations of the Linear Birth and Death Process // Statistics and Probability Letters. 2015. Vol. 101. Pp. 49-53.
- DOI: 10.1016/j.spl.2015.02.021
- Birth/Birth-Death Processes and Their Computable Transition Probabilities with Biological Applications / L. S. T. Ho [et al.] // Journal of Mathematical Biology. 2018. Vol. 76, Issue 4. Pp. 911-944.
- DOI: 10.1007/s00285-017-1160-3
- A Birth and Death Process Model with Blocking Growth and Its Numerical Simulation Research / P. Yang [et al.] // Advances in Intelligent Systems Research (AISR). Proceedings of 3rd International Conference on Modelling, Simulation and Applied Mathematics (MSAM 2018). 2018. Vol. 160. Pp. 16-19.
- DOI: 10.2991/msam-18.2018.4
- Dellacherie C. Capacites et Processus Stochastiques. Berlin, Heidelberg: Springer, 1972. 155 p.
- DOI: 10.1007/978-3-662-59107-9
- Jang R.-J., Victory Jr H D. On Nonnegative Solvability of Linear Integral Equations // Linear Algebra and its Applications. 1992. Vol. 165. Pp. 197-228.
- DOI: 10.1016/0024-3795(92)90238-6