基于改进SPRT的多重响应序贯分支筛选法

针对仿真实验中多重响应序贯分支法(MSB)不能验证单个因子对所有响应效应显著性这一不足,在改进Wa1d序贯概率比检验(SPRT)的基础上提出了一种新的多重响应序贯分支法(简称IMSB).该方法在仅增加少量仿真次数并在保证统计效力的基础上,即可获取单个因子对所有响应的效应显著性信息.蒙特卡洛对比仿真表明IMSB是切实可行的,在完全保证仿真实验效力的同时准确获取了因子对所有响应的效应显著性判断,且较传统的针对单个响应的SB法减少了大量的仿真次数,该方法在大型复杂仿真系统的后仿真分析中具有良好的实际应用价值.

基于二水平误差控制的序贯分支筛选法及应用

针对仿真实验中三水平序贯分支(sequential bifurcation,SB)难以处理定性因子的问题,提出了基于两水平的误差控制SB法,并在序贯概率比(sequential probability ratio test,SPRT)检验群组效应过程中,采用动态的初始仿真次数作为初始样本点,提高了SPRT的效率,减少了统计推断所需的仿真次数.蒙特卡罗仿真的对比分析以及基于实际背景的仿真案例应用,验证了在保证统计推断效力的条件下.所提方法能明显降低SB所需的仿真次数,并成功处理包含定性因子的仿真模型.

基于动态效应的序贯分支验证仿真实验及应用

针对序贯分支仿真筛选实验中静态效应验证方法(V-SE)实验效率低且在仿真因子较多时实验效力难以保证的两方面不足,提出了基于动态效应(V-DE)和基于不重要因子(V-UF)的两种验证方法,V-DE在元模型估计中采用饱和设计并在配对检验中使用动态效应检验统计量,VUF仅对不重要因子的两组极端水平进行实验而不需估计元模型.蒙特卡罗仿真的三种方法对比实验以及基于实际背景仿真案例的应用表明,V-DE和V-UF在获得理想实验效力的同时极大提高了仿真实验的效率,大大降低了仿真工作者的实验成本,具有良好的实际应用价值.

数据污染对于序贯分支方法的影响及应对策略

序贯分支方法(sequential bifurcation,SB)因其高效性,近年来被广泛用于仿真试验的因子筛选研究中.然而,传统的序贯分支方法难以应对数据污染情形下的因子筛选问题,因此,本文结合稳健估计的方法改进了传统的序贯分支筛选过程,使其具有良好的抗异常值特性,解决了多种数据污染情形下的因子筛选问题.首先,分析仿真试验中可能出现的数据污染情形及其数据形式,并结合序贯分支方法的基本原理,量化不同数据污染情形对因子筛选结果所造成的影响;其次,采用稳健的位置和散度统计量改进了传统的序贯分支方法中的显著性检验过程,使因子筛选结果不受数据污染的影响;最后,通过仿真试验验证改进的序贯分支方法具有更好的抗异常值特性,同时,该方法在非数据污染下也不失一般性.

后腹腔镜下分支肾动脉序贯阻断肾部分切除术在多发肾肿瘤患者中的应用

目的探索后腹腔镜下分支肾动脉序贯阻断肾部分切除术在多发肾肿瘤患者中临床价值。方法选取2014年1月至2018年1月本院诊治的多发性肾肿瘤患者80例,分别采用传统肾部分切除术和后腹腔镜下分支肾动脉序贯阻断肾部分切除术治疗,分析对比两组住院指标及手术指标,观察两组的并发症及不良反应。结果实验组的阻断时间及出血量明显低于对照组,差异有统计学意义(P<0.05);实验组的手术用血与引流量与对照组比较,差异无统计学意义。实验组肛门排气时间、住院时间、术后恢复时间及术后置管时间明显低于对照组,差异有统计学意义(P<0.05)。实验组的术后肾功能水平与对照组比较,差异无统计学意义。实验组术后并发症明显低于对照组,差异有统计学意义(P<0.05)。结论后腹腔镜下分支肾动脉序贯阻断肾部分切除术治疗多发性肾肿瘤具有较高的临床疗效,不过大影响肾功能,有效降低并发症,具有重要的临床价值。

零部件循环取货越库物流系统仿真优化

为分析主机厂产能扩大对汽车零部件物流产生的影响以及第三方物流企业如何识别与优化影响其系统绩效的关键因子以满足新的物流需求,在众多汽车制造商产能扩大的背景下,以零部件平均流程时间为绩效指标,深入研究了基于第三方物流零部件循环取货越库配送物流模式的优化设计问题,建立符合实际物流运作的仿真模型。由于存在较多的仿真输入(因子),提出首先应用序贯分支筛选关键因子,再针对关键因子建立响应面与Kriging元模型优化的研究步骤,解决了由"高维因子"导致的较难优化的问题。运用调研数据进行仿真实验计算,结果表明关键因子的最优配置可使物流绩效达到较为理想的水平;Kriging元模型的预测结果略优于响应面的最佳绩效值,该模型与方法为产能扩大后第三方物流改进方案的制定提供了可靠的解决思路,具有良好的应用价值。

零部件循环取货越库物流系统关键因子研究——仿真实验设计与分析方法

汽车和物流产业是国家重点扶持的两大振兴产业.在众多汽车制造企业产能扩大的背景下,以零部件平均物流时间(cycle time,CT)为绩效评价指标,深入研究了基于第三方物流的零部件循环取货越库物流模式(简称3PL-MRCD)的优化设计问题.建立了符合企业实际运作的离散系统随机仿真模型,即零部件循环取货与越库内部运作的集成模型.与现有供应链仿真模型相比,由于存在较多的仿真因子,提出首先运用序贯分支法(sequential bifurcation,SB)筛选3PL-MRCD系统关键因子,再应用响应面法(response surface methodology,RSM)找到关键因子最优运作水平的方法步骤(SB-RSM),解决了大型仿真系统的优化设计问题.基于调研的数据进行仿真实验,结果表明SB-RSM可准确找出影响CT的关键因子最优取值,该值使CT达到较为理想的水平.对大型仿真系统的优化而言,SB-RSM比传统RSM更具实验效率与效力,SB-RSM为产能扩大3PL物流决策的制定提供了可靠的解决方案,具有良好的应用价值.

高效的因子分类筛选方法及仿真应用

针对序贯分支(SB)方法难以对位置效应和散度效应同时筛选的情形,基于多重序贯分支的基本思想,同时考虑位置效应和散度效应,将显著因子分类别筛选出来。通过“预分支”步骤,将因子按照其位置效应和散度效应符号分组;采用序贯分支方法将所有子组同时进行位置效应和散度效应显著性检验,在结合序贯概率比检验(SPRT)控制筛选过程中的第1和第2类错误的基础上,实现因子的分类筛选,以便后续阶段的建模及优化。最后,通过仿真试验说明所提方法在解决因子分类筛选问题上的有效性、高效性及稳健性。

基于位置和散度效应因子分类筛选及仿真试验

针对供应链及其它计算机仿真试验中所涉及因子数目众多的情形,序贯分支方法因筛选效率较高被广泛采用.然而,现有的序贯分支方法忽视对散度效应起显著作用的因子.由于相比位置效应,散度效应在产品或供应链系统的质量设计中是同等甚至更为重要的,故提出一种基于位置效应与散度效应的序贯分支方法.首先,将影响位置效应与散度效应的显著因子分类为调节因子,重要因子和稳健因子;然后,结合序贯概率比检验(sequential probability ratio test,SPRT),在控制筛选过程中第一类错误和第二类错误的基础上,采用序贯分支方法分类地筛选出显著因子;最后通过仿真试验说明此方法能够有效且分类地处理位置效应与散度效应下的显著因子筛选问题.