Студопедия КАТЕГОРИИ: АвтоАвтоматизацияАрхитектураАстрономияАудитБиологияБухгалтерияВоенное делоГенетикаГеографияГеологияГосударствоДомЖурналистика и СМИИзобретательствоИностранные языкиИнформатикаИскусствоИсторияКомпьютерыКулинарияКультураЛексикологияЛитератураЛогикаМаркетингМатематикаМашиностроениеМедицинаМенеджментМеталлы и СваркаМеханикаМузыкаНаселениеОбразованиеОхрана безопасности жизниОхрана ТрудаПедагогикаПолитикаПравоПриборостроениеПрограммированиеПроизводствоПромышленностьПсихологияРадиоРегилияСвязьСоциологияСпортСтандартизацияСтроительствоТехнологииТорговляТуризмФизикаФизиологияФилософияФинансыХимияХозяйствоЦеннообразованиеЧерчениеЭкологияЭконометрикаЭкономикаЭлектроникаЮриспунденкция |
Уравнения регрессии для всех результирующих показателей
Курсовая работа по дисциплине "Моделирование информационных систем"
Выполнил:Студент группы 4208 Иванов И.И..
Проверил: Доцент каф АСОИУ Якимов И.М. Оценка: Подпись: Дата:
Казань 2018 Задание. 3 Составление структурной схемы.. 3 Составление программы на GPSS. 4. Программа на GPSS. 4. Построение стратегического плана. 6 Тактическое планирование. 9 Уравнения регрессии для результативных показателей. 10 Оптимизация. 17 Выводы.. 23 Используемая литература. 24
Модель процесса сборки ПК по «отвёрточной технологии» Генератор комплектующих имитирует поставку всех комплектующих со склада на производственный участок единовременно для сборки всех ПК. Операции со второй по пятую по установке компонентов ПК производятся одним и темже сборщиком, выбираемым по наименьшему коэффициенту занятости. Шестая операция по инсталляции операционной системы; седьмая операция по инсталляции дополнительных программных продуктов. Рабочий на шестой и седьмой операциях устанавливает ПК на инсталляцию за время и снимает ПК со стенда. Инсталляция на стенде производится без его участия. Перед операциям могут образоваться очереди. Количество контролёров на входном контроле – х1; количество сборщиков – х2; количество тестировщиков – х3. Они ставят собранные ПК на инсталляцию программных средств на стенды, тестируют, анализируют результаты тестирования и в случае брака разбирают ПК и отправляют на входной контроль. Результативные показатели эффективности: у1=( х1 ·х15 + х2 ·х16 + х3 ·х17)·у2 – стоимость затрат на сборку ПК; у2– время изготовления партии ПК в сменах; у4 – коэффициент использования контролёров; у5 – коэфф. использования сборщиков; у6 –– коэффициент использования тестировщиков; у7 – среднее время ожидания в очереди на сборку в секундах. Оптимизируемые факторы: х1 – меняется от 3 до 7; х2 – меняется от 12 до 24; х3 – меняется от 4 до 8. Объективные факторы: х4– меняется от 500 до 1500 – количество ПК в партии; х5– кол-во смен, за которые требуется выполнить задание. х6=0.12 – вероятность брака на входном контроле не меняется; х7=0.07 – вероятность брака на тестировании не меняется; х8=5 минут – время входного контроля; х9=12 минут – время каждой операции по сборке; х10=3 минут – время установки ПК на тестирование; х11=1440 минут – время тестирования ПК на стенде; х12=15 минут – время анализа результатов тестирования; х13=12 минут – время разборки ПК; х14=3 минут – время установки ПК на тестирование; х15=600 рублей – стоимость одного рабочего места входного контроля; х16=2000 рублей – стоимость одного рабочего места сборщика; х17=1500 рублей – стоимость одного рабочего места тестировщика.
Все временные факторы х10÷х14 распределены по равномерному закону в интервалах хi±0.2·хi; i=10÷14. Требуется выполнить следующие работы:
1.Составить структурную схему производственного процесса.
2.Разработать и описать блок-схему алгоритма модели.
3.Провести планирование. При проведении тактического планирования обеспечить доверительную вероятность результатов не меньше 0,90.
4.Промоделировать производственный процесс по стратегическому плану.
5.Провести регрессионный анализ и получить уравнения регрессии для всех результативных показателей от пяти влияющих на них факторов.
6.Найти оптимальные значения х1,х2,х3 минимизирующие целевую функцию у1 при ограничениях на результативные показатели: х5 ≥у2 ≥0.9·х5,у4≥0.80,у5≥0.90, у6≥0.80,и на, у7 не более чем на 0.25 от своих полученных средних значений. Для объективных факторов взять средние заданные значения. 7.Проанализировать и объяснить полученные результаты. Студент группы 4209 Профессор кафедры АСОИУ И.М. Якимов 3 февраля 2014 г.
Составление структурной схемы
Составление программы на GPSS. Программа на GPSS:
vrema table m1,0,1000,20 initial x$time,5 initial x$kontra,3 initial x$sborsha,12 initial x$testa,4 kontr storage 3 sborsh storage 12 testr storage 4
generate ,,,1000
kontrr gate snf kontr enter kontr advance x$time,(0.2#x$time) leave kontr
transfer 0.12,sbor,brak
sbor queue sborsh gatesnf sborsh depart sborsh enter sborsh select min sbor,1,12,,fr gate nu p$sbor seize p$sbor advance 48,9.6 release p$sbor leave sborsh
testi gate snf testr enter testr advance 3,0.6 leave testr
advance 1440,288
gatesnf testr enter testr advance 15,3 leave testr
transfer 0.07,vihod,razbor
razbor gate snf testr enter testr advance 12,2.4 leave testr transfer ,kontrr
vihod tabulate vrema savevalue kol+,1 test ne 1000,(x$kol+x$brakov),final terminate
brak tabulate vrema savevalue brakov+,1 test ne 1000,(x$kol+x$brakov),final terminate
final savevalue zatratinasmenu,((x$kontra#600)+(x$sborsha#2000)+(x$testa#1500)) savevalue smeni,(m1/480) terminate 1 start 1
Построение стратегического плана моделирования Перечень отобранных для исследования переменных приведён в таблицах 1 и 2
Таблица 1. Перечень результативных показателей эффективности дискретного производственного процесса
Таблица 2. Перечень факторов, влияющих на эффективность дискретного производственного процесса
в качестве целевой функции принять стоимость затрат на сборку ПК у1=( х1 ·х15 + х2 ·х16 + х3 ·х17)·у2 →min. (1) На остальные результативные показатели и оптимизируемые факторы хi; i=1,3 накладываются ограничения. Объективный факторx4в процессе оптимизации не меняется. В качестве ядра стратегического плана принят план дробного факторного эксперимента (ДФЭ). В качестве основных факторов взяты три оптимизируемых факторов х1 - х3и в качестве дополнительного объективный факторх4. К вершинам трехмерного куба добавляется центральная точка и 2·k=8 звездных точек. Таким образом, общее количество вариантов будет: N=1+2k+2·k = 1+23+2·4 = 17. Дополнительный фактор х4 будем менять по закону изменения произведения основных факторов х4= х1*х2*х3. План экспериментов в кодированном виде представлен в таблице 3.
Таблица 3. - План экспериментов в кодированном виде
Определим границы в пределах, которых будут изменяться значения наших факторов.
Таблица 4. - Границы значений параметров
Таблица 5. - Приведение кодированных значений к натуральным
План эксперимента для семи факторов в натуральном виде представлен в таблице6. Результаты имитационного моделирования приведены в таблице 7.
Таблица 6. Стратегический план проведения экспериментов
Таблица 7. Результаты имитационного моделирования
Тактическое планирование По неравенству Чебышева доверительная вероятность вычисляется по формуле:
Рекомендовано, чтобы доверительная вероятность лежала в диапазоне от 0,9. Рассчитаем доверительную вероятность по 17-ми экспериментам для времени выполнения работ по договору по формуле: Q = количество транзактов пришедших в таблицу. где y3 – среднее время сборки одного ПК; у10 – среднее квадратическое отклонение времени сборки одного ПК;; Результаты расчетов по 17-и вариантам представлены в таблице 8.
Таблица 8. – Доверительная вероятность
По полученным результатам видно, что доверительная вероятность выше 0,9, что вполне приемлемо.
Уравнения регрессии для всех результирующих показателей Повторим постановку задачи построения математической модели в виде совокупности уравнений регрессии. где: yj – j-й результативный показатель эффективности (отклик); К – общее количество результативных показателей эффективности; хi – i-й фактор, влияющий на отклики; М – общее количество факторов.
Основной показатель качества представления экспериментальных данных. В т.ч. результатов имитационного моделирования, уравнениями регрессии – величина стандартной ошибки.
Полученные значения стандартной ошибки, критерия Фишера, коэффициента множественной детерминации и скорректированного коэффициента множественной детерминации приведем ниже, после полученных уравнений.
Для построения уравнений регрессии применяем программу «СТАТИСТИКА 12.0»
Найдём уравнение регрессии для Y1:
Первый отчёт для Y1:
ВторойотчётдляY1:
Таким образом, получили уравнение множественной регрессии для переменной у1:
y1 = -582521+ x1*238211 + x2* 73808 - x3*45905 - x4*494 - x1*x1*25162- x2*x2*1246 + x3*x3*4313 + x4*x4*0,32 + x1*x4*28 + x2*x4*5 + x3*x4*33 Настораживает величина стандартной ошибки Sст= 34194. Хорошо это, или плохо можно сказать после сравнения со средним значением у1. Для этого получим таблицу остатков. Таблица Анализ остатков у1 По таблице у1ср=1015553. Вычислим Sст1/у1ср=34194/1015553=0,03363. Так какэтот показатель не превышает 0,10 будем считать результаты регрессионного анализа приемлимыми.
Найдём уравнение регрессии для Y2:
Первый отчёт для Y2:
ВторойотчётдляY2:
Таким образом, получили уравнение множественной регрессии для переменной у2:
y2 = 2.7513 + x1*2.50702 + x2*1.01783 - x3*2.39650 + x4*0.00991 - x1*x1*0.28933 - x2*x2* 0,02087+ x3*x3* 0,18721+ x1*x4*0,00050 - x2*x4*0,00042+ x3*x4*0,00025 Вычислим Sст1/у1ср=0.722/21.0582=0,03423. Так какэтот показатель не превышает 0,10 будем считать результаты регрессионного анализа приемлимыми.
Найдём уравнение регрессии для Y4:
Первый отчёт для Y4:
ВторойотчётдляY4:
Таким образом, получили уравнение множественной регрессии для переменной у4:
y3 = 2,75130 + x1* 2,50702 + x2* 1,01783 - x3* 2,39650 + x4* 0,00991 - x1*x1* 0,28933 - x2*x2* 0,02087+ x3*x3* 0,18721 + x1*x4*0,00050 - x2*x4*0,00042+ x3*x4*0,00025
Вычислим Sст1/у1ср=0.1148/21.0582=0.0147. Так какэтот показатель не превышает 0,10 будем считать результаты регрессионного анализа приемлимыми.
Найдём уравнение регрессии для Y5:
Первый отчёт для Y5:
ВторойотчётдляY5:
Таким образом, получили уравнение множественной регрессии для переменной у5:
y4 = 0,758064 - x1* 0,065778 - x2*-0,066336 + x3* 0,059742 + x4* 0,000760 + x1*x1*0,007141+ x2*x2* 0,001446 - x3*x3* 0,004739 - x1*x4* 0,000007 - x2*x4* 0,000005 - x3*x4*0,000004 Вычислим Sст1/у1ср=0.02841/0.6002=0.0229. Так какэтот показатель не превышает 0,10 будем считать результаты регрессионного анализа приемлимыми. Найдём уравнение регрессии для Y6:
Первый отчёт для Y6:
ВторойотчётдляY6:
Таким образом, получили уравнение множественной регрессии для переменной у6:
y5 = 1,013940 - x1* 0,069257 - x2*0,037255 - x3* 0,185716 + x4* 0,000825 + х1*x1*0,007251 + x2*x2* 0,000933 + x3*x3* 0,013276 - x1*x4* 0,000007 + x2*x4* 0,000006 - x3*x4* 0,000029 Вычислим Sст1/у1ср=0.01661/0.3012=0.0043. Так какэтот показатель не превышает 0,10 будем считать результаты регрессионного анализа приемлимыми. Найдём уравнение регрессии для Y7:
Первый отчёт для Y7:
ВторойотчётдляY7:
Настораживает величина стандартной ошибки Sст= 2204,5. Хорошо это, или плохо можно сказать после сравнения со средним значением у1. Для этого получим таблицу остатков. Таблица Анализ остатков у7
По таблице у6ср=135374. Вычислим Sст1/у1ср=2204,5/135374=0,016284. Так какэтот показатель не превышает 0,10 будем считать результаты регрессионного анализа приемлимыми.
При проведении регрессионного анализа для всех результативных показателей выполнены все требования, принятые при постановке задачи. Построим таблицу результатов регрессионного анализа (таблица 9). Таблица 9. - Сводная таблица результатов регрессионного анализа
Оптимизация Перед началом оптимизации оценим качество полученного уравнения регрессии для у1:
Уравнение регрессии имеет вид:
y1 = -582521+ x1*238211 + x2* 73808 - x3*45905 - x4*494 - x1*x1*25162- x2*x2*1246 + x3*x3*4313 + x4*x4*0,32 + x1*x4*28 + x2*x4*5 + x3*x4*33
Подставив в полином кодированные значения x1,x2x3x4, получим значения f(x1,x2,x3,x4).
Вычислим СКО. Для вычислений воспользуемся пакетом прикладных программ MicrosoftExcel:
n - q - 1 = 17 - 11 - 1 = 5 = 5846033528 = 5846033528 / 5 = 34193,6647 = 34193,6647
Поставим задачу оптимизации как задачу нахождения минимального значения результативного показателя эффективности у1 - стоимость затрат на сборку ПК, за счет выбора оптимальных значений xi, i = при ограничениях на другие результативные показатели эффективности и факторы. Таким образом, ставится задача поиска минимального значения стоимости затрат: f1(x1, x2, x3, x4, x5, х6, х7) →min При ограничениях на переменные хi, j=1,3 3 7; 12 24; 4 8; х4 = 1000. Ограничения на показатели эффективности y2,y4, y5, y6, y7 заданы так, что фактически не превышают лучшие результаты, достигнутые путем проведения экспериментов по стратегическому планированию, и представляют собой минимальные и максимальные из ранее достигнутых значений.
Объективный факторы x4 в процессе оптимизации не меняется. Для нахождения точки минимума функции воспользуемся методом Ньютона. Метод Ньютона требует, чтобы оптимизируемая функция была дважды дифференцируема. В экстремальной точке производная функции равна нулю и корень уравнения можно искать приближённо методом касательных, который заключается в построении последовательных приближённых , следующим образом. В точке строится касательная и точка пересечения касательной с осью абсцисс берётся в качестве следующего приближения . , (1.0) Вычисления по формуле (1.0) продолжают до тех пор, пока не выполнится неравенство , после чего полагают экстремальное значение . Вычислим первую и вторую производные функции для каждого фактора отдельно. -582521+ x1*238211 + x2* 73808 - x3*45905 - x4*494 - x1*x1*25162- x2*x2*1246 + x3*x3*4313 + x4*x4*0,32 + x1*x4*28 + x2*x4*5 + x3*x4*33 Производные для фактора х1: = 238211 - x1*25162*2 + x4*28 = -25162*2 Производные для фактора х2: = 73808 - 2*x2*1246 + x4*5 = - 2*1246 Производные для фактора х3: = - 45905 + x3*2*4313 + x4*33 =2*4313 Диапазон поиска экстремального значения от х1лев=3 до х1прав=7, от х2лев=12 до х2прав=20, от х3лев=4 дох3прав=8. Убедимся, что на выбранном диапазоне поиска первая производная хотя бы один раз поменяла знак, для этого воспользуемся ППП Excel: (Х1лев) = 115239, (Х1прав) = -86057 (Х2лев) = 28904, (Х2прав) = -1000
(Х3лев) = -8401, (Х3прав) = 26103
Требуемое условие выполнено. Начнём процедуру поиска. Для нахождения экстремума используем программу следующего вида, где исходные точки х1=3, x2=12, х3=4.
#include"stdafx.h" #include"conio.h" #include"stdio.h" #include"math.h"
int main() { int n = 0; float x0, y0, x1,x2,x3, y1, f, A1,A2,A3, E=0.001,x10,x20,x30; x10 = 3; x20 = 12; x30 = 4;
float y,x4;
x4=1000;
do { y=-582521+ x10*238211 + x20* 73808 - x30*45905 - x4*494 - x10*x10*25162- x20*x20*1246 + x30*x30*4313 + x4*x4*0.32 + x10*x4*28 + x20*x4*5 + x30*x4*33; x1=x10-(238211 - x10*25162*2 + x4*28)/(-25162*2); x2=x20-(73808 - 2*x2*1246 + x4*5 )/(- 2*1246); x3=x30-(- 45905 + x3*2*4313 + x4*33)/(2*4313 ); A1=fabs(x1-x10); A2=fabs(x2-x20); A3=fabs(x3-x30); n++; printf("%d %.4f %.4f %.4f %.4f\n", n, x10, x20, x30, y); x10=x1; x20=x2; x30=x3; } while(A1>E || A2>E || A3>E);
getch(); return 0; }
В результате решения программы получено экстремальное значение равное 5.28, 31.62, 1.49. Значение функции в этой точке менялось по шагам от 727455.23 в исходной точке и до 1184073,7500 после 11-го шага, т.е. поиск вел к точке максимума заданной функции. Следовательно, за точку минимума принимаем минимальное полученное значение в ходе решения программы. Этой точке соответствует значение 727455.2500, и переменные соответственно: х1=2.75, x2=12.25, х3=4.15. Подставим значения х1=3, x2=12, х3=4 в программу, в результате получим:
GPSS World Simulation Report - Untitled Model 1.8.1
Tuesday, May 27, 2014 16:48:08
START TIME END TIME BLOCKS FACILITIES STORAGES 0.000 10724.667 42 12 3
NAME VALUE BRAK 36.000 BRAKOV 10008.000 FINAL 40.000 KOL 10009.000 KONTR 10005.000 KONTRA 10002.000 KONTRR 2.000 RAZBOR 27.000 SBOR 7.000 SBORSH 10006.000 SBORSHA 10003.000 SMENI 10011.000 TESTA 10004.000 TESTI 17.000 TESTR 10007.000 TIME 10001.000 VIHOD 32.000 VREMA 10000.000 ZATRATI 10010.000
LABEL LOC BLOCK TYPE ENTRY COUNT CURRENT COUNT RETRY 1 GENERATE 1000 0 0 KONTRR 2 GATE 1052 0 0 3 ENTER 1052 0 0 4 ADVANCE 1052 0 0 5 LEAVE 1052 0 0 6 TRANSFER 1052 0 0 SBOR 7 QUEUE 930 0 0 8 GATE 930 0 0 9 DEPART 930 0 0 10 ENTER 930 0 0 11 SELECT 930 0 0 12 GATE 930 0 0 13 SEIZE 930 0 0 14 ADVANCE 930 0 0 15 RELEASE 930 0 0 16 LEAVE 930 0 0 TESTI 17 GATE 930 0 0 18 ENTER 930 0 0 19 ADVANCE 930 0 0 20 LEAVE 930 0 0 21 ADVANCE 930 0 0 22 GATE 930 0 0 23 ENTER 930 0 0 24 ADVANCE 930 0 0 25 LEAVE 930 0 0 26 TRANSFER 930 0 0 RAZBOR 27 GATE 52 0 0 28 ENTER 52 0 0 29 ADVANCE 52 0 0 30 LEAVE 52 0 0 31 TRANSFER 52 0 0 VIHOD 32 TABULATE 878 0 0 33 SAVEVALUE 878 0 0 34 TEST 878 0 0 35 TERMINATE 877 0 0 BRAK 36 TABULATE 122 0 0 37 SAVEVALUE 122 0 0 38 TEST 122 0 0 39 TERMINATE 122 0 0 FINAL 40 SAVEVALUE 1 0 0 41 SAVEVALUE 1 0 0 42 TERMINATE 1 0 0
FACILITY ENTRIES UTIL. AVE. TIME AVAIL. OWNER PEND INTER RETRY DELAY 1 76 0.350 49.435 1 0 0 0 0 0 2 78 0.349 48.015 1 0 0 0 0 0 3 78 0.350 48.055 1 0 0 0 0 0 4 78 0.347 47.711 1 0 0 0 0 0 5 77 0.350 48.738 1 0 0 0 0 0 6 77 0.348 48.482 1 0 0 0 0 0 7 77 0.347 48.311 1 0 0 0 0 0 8 77 0.349 48.554 1 0 0 0 0 0 9 79 0.350 47.539 1 0 0 0 0 0 10 78 0.348 47.906 1 0 0 0 0 0 11 77 0.349 48.660 1 0 0 0 0 0 12 78 0.348 47.902 1 0 0 0 0 0
QUEUE MAX CONT. ENTRY ENTRY(0) AVE.CONT. AVE.TIME AVE.(-0) RETRY SBORSH 647 0 930 26 207.303 2390.600 2459.356 0
STORAGE CAP. REM. MIN. MAX. ENTRIES AVL. AVE.C. UTIL. RETRY DELAY KONTR 3 3 0 3 1052 1 0.489 0.163 0 0 SBORSH 12 12 0 12 930 1 7.746 0.646 0 0 TESTR 4 4 0 4 1912 1 1.619 0.405 0 0
TABLE MEAN STD.DEV. RANGE RETRY FREQUENCY CUM.% VREMA 4498.027 2372.654 0 0.000 - 1000.000 71 7.10 1000.000 - 2000.000 118 18.90 2000.000 - 3000.000 125 31.40 3000.000 - 4000.000 118 43.20 4000.000 - 5000.000 123 55.50 5000.000 - 6000.000 136 69.10 6000.000 - 7000.000 120 81.10 7000.000 - 8000.000 121 93.20 8000.000 - 9000.000 61 99.30 9000.000 - 10000.000 6 99.90 10000.000 - 11000.000 1 100.00
SAVEVALUE RETRY VALUE TIME 0 5.000 KONTRA 0 3.000 SBORSHA 0 12.000 TESTA 0 4.000 BRAKOV 0 122.000 KOL 0 878.000 ZATRATINASMENU 0 31800.000 SMENI 0 22.343
Результаты:
Значения результативных показателей в области допустимых значений, следовательно из полученных результатов оптимальной точкой можно считать точку с координатами х1=3, х2=12, х3=4.
По результатам оптимизации проведем регрессионный анализ с помощью программы Statistica 12.0 и выведем формулу, характеризующую зависимость оптимизируемых факторов от объективного фактора. Результаты множественной регрессии для оптимизируемого фактора Х1: В результате регрессионного анализа было получено следующее уравнение для x1: x1= 4,571429 + 0,001143 * х4 -0,000001 * х4*х4
Результаты множественной регрессии для оптимизируемого фактора Х2: В результате регрессионного анализа было получено следующее уравнение для x2: x2= 18,00000+ 0,0000014 * х4 - -0,000000000014 * х4*х4
Результаты множественной регрессии для оптимизируемого фактора Х3: В результате регрессионного анализа было получено следующее уравнение для x3: x3= 6,000000+ 0,00000027 * х4 - -0,00000000000027 * х4*х4
Для оптимизации выбран метод Ньютона и использована программа на С++. По результатам оптимизации проведён регрессионный анализ с помощью стандартной процедуры программы Statistica 12.0 и выведены формулы для вычисления значений оптимизируемых факторов по объективным факторам.
Выводы В ходе выполнения курсовой работы была создана имитационная модель функционирование сборки персональных компьютеров на языке GPSSWorld. В процессе работы была проведена оптимизация факторов, влияющих на поведение исследуемого объекта. За факторы, влияющие на исследуемый объект, были взяты х1, х2, х3 –диапазоны изменения количества работников и х4 - количество ПК. В результате оптимизации были получены следующие результаты: при сборке 1000 ПК минимум затрат будет осуществляться при х1=3, х2=12 и х3=4, за 23 смены.
Используемая литература.
1. Якимов И.М., Трегубов В.М. “Основы программирования и отладки имитационных моделей на языке GPSS/PC” – Казань, КГТУ, 1996 2. Якимов И.М. “Моделирование систем” – Казань, КАИ, 1980 3. Шрайбер Т.Д. “Моделирование на GPSS-V” – Москва, Машиностроение, 1980 4. Венцель “Теория вероятностей ” 1954 5. Справочник “Статистика”, т. 2 1983 |
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Последнее изменение этой страницы: 2018-04-12; просмотров: 398. stydopedya.ru не претендует на авторское право материалов, которые вылажены, но предоставляет бесплатный доступ к ним. В случае нарушения авторского права или персональных данных напишите сюда... |