41689

Модели и моделирование. Применение моделей в задачах принятия управленческих решений в сфере автотранспорта и организации автосервиса

Лабораторная работа

Информатика, кибернетика и программирование

Целью первой части пособия является изучение моделей управления, основанных на электронных таблицах: что они собой представляют, как создаются, используются и что можно узнать с их помощью.

Русский

2013-10-24

1.23 MB

18 чел.

Лабораторная работа № 1

«Модели и моделирование. Применение моделей в задачах принятия управленческих решений в сфере автотранспорта и организации автосервиса»

Цель занятия – изучить процесс моделирования и использование моделей на различных уровнях управления.

  1.  По методической информации настоящего УП, наглядным материалам и учебной литературе ознакомиться с:

- типом и построением моделей;

- последовательной разработкой модели.

  1.  Кратко законспектировать в своем отчете изученную информацию.
  2.  Дополнить отчет ксерокопиями рисунков 1.1 – 1.5.
  3.  Оформить отчет и представить его к проверке.
  4.  Подготовиться к защите отчета.

Методическая информация.

1.1. Основные положения и понятия

Моделирование и использование моделей для решения задач управления и принятия решений во многих ситуациях является единственно возможным и эффективным методом, позволяющим получить ответ на поставленный вопрос.

Данное пособие посвящено тому, как с помощью различных приложений создавать и использовать модели для анализа ситуаций в сфере автотранспорта и организации автосервиса.

Целью первой части пособия является изучение моделей управления, основанных на электронных таблицах: что они собой представляют, как создаются, используются и что можно узнать с их помощью. Во второй части рассматриваются задачи, которые можно решать с помощью имитационных моделей в среде Micro-Saint. Третья часть посвящена способам создания имитационных моделей и решения задач в среде GPSS.

Исторически сложилась такая ситуация, что у специалистов во многих сферах деятельности достаточно долго было двойственное отношение к применению моделирования в процессе принятия решений. Признавая определенные преимущества моделей, они зачастую воспринимали сам процесс моделирования как «черную магию», которой владеют только математики, высокооплачиваемые консультанты или программисты. К сожалению, когда моделирование поручалось математикам или программистам, специалист практически отстранялся от данного процесса, что, как правило, приводило к неправильному применению или отказу от использования результатов моделирования. А это, в свою очередь, вело к усилению скептических настроений в среде специалистов относительно реальной пользы моделирования (помимо создания стереотипных отчетов о результатах моделирования, которые часто так и оставались непрочитанными). Таким образом, деньги и усилия тратились на ритуальные действия по моделированию, которые в итоге практически никак не влияли ни на специалиста, ни на организацию, для которой предназначалась модель, поскольку эта модель никого ничему не учила, а процесс моделирования ничего не менял в работе организации.

Применение электронных таблиц и программных продуктом для имитационного моделирования коренным обратом изменило ситуацию, так как позволило специалистам самостоятельно создавать и анализировать модели. Поэтому им для создания собственных моделей уже не были нужны необходимые прежде аналитические способности профессиональных математиков, навыки программирования, алгоритмическое мышление и соответствующие технические знания. Непосредственное использование моделей для поддержки принятия решений не только повысило эффективность управленческих решений, но и позволило самим специалистам глубже вникнуть в суть решаемых проблем. Обучение в процессе моделирования позволяет сосредоточиться на основной проблеме принятия решения - определить, на какие основные вопросы нужно ответить, какие альтернативы исследовать и на что обратить особое внимание.

В данном пособии описаны разнообразные модели, а также соответствующие концепции, которые обобщают приведенные примеры для всевозможных ситуаций, с которыми сталкиваются специалисты в области автотранспорта и автосервиса. Однако ключевой составляющей успешного моделирования управленческих ситуаций с помощью компьютера является сам специалист. Не следует забывать, что для успешного моделирования сложных управленческих ситуаций необходимо проникнуться идеями моделирования, т.е. эти идеи должны стать частью вашей интуиции. Главное - приобретение собственного опыта моделирования с помощью компьютера.

Компьютерное моделирование позволяет исследовать множество различных альтернатив и заставляет всесторонне изучить проблему.

1.2. Процесс моделирования

На рис. 1.1 показаны этапы принятия управленческого решения. При наличии конфликтующих или конкурирующих альтернатив решение, позволяющее разрешить конфликт, принимается на основе анализа сложившейся ситуации; решение реализуется, в результате чего организация получает определенную прибыль (не обязательно в виде денежных сумм).

       На рис. 1.2 представлен процесс моделирования применительно к первым двум этапам принятия решения.

Рис. 1.1.Этапы принятия и реализации управленческих решений

Диаграмма процесса состоит из верхней и нижней частей, разделенных пунктирной линией. Ниже пунктирной линии находится реальный мир, с которым ежедневно сталкиваются специалисты, призванные принимать решения в сложных ситуациях (например, распределять ресурсы между конкурирующими задачами производства, составлять расписание действий или разрабатывать маркетинговую стратегию). Процесс моделирования начинается с исследования ситуации, требующей решения (в левом нижнем углу диаграммы).

Рис. 1.2.Процесс моделирования

В прошлом при принятии решений специалисты привыкли полагаться главным образом на свою интуицию. Хотя интуиция, особенно опытных специалистов, имеет большое значение, она по определению лишена рационального аналитического начала. Руководствуясь при принятии решений исключительно интуицией, можно делать выводы только из конечных результатов ранее принятых решений, а такое обучение слишком дорого обходится.

Процесс моделирования, представленный на рис. 1.2 над пунктирной линией, рекомендует набор действий, которые должны дополнить (не заменить!) интуицию при принятии решений. Приэтом создается формализованная количественная модель проблемных аспектов управленческой ситуации, представляющая суть проблемы.

Построенная количественная модель анализируется с целью получения определенных результатов или выводов, следующих исключительно из модели, независимо от того, какие предположения и абстрактные построения лежали в ее основе. После этого полученные результаты интерпретируются для существующей реальной ситуации с учетом тех факторов, которые не учитывались ранее в процессе формализации задачи. Процесс моделирования, дополненный опытом и интуицией, позволяет принять более удачное решение и многому научиться.

Как показано на рис. 1.3, процесс моделирования сам по себе не является конкретным научным методом, реализацией которого должны заниматься исключительно математики и программисты. Соображения оперативного управления оказывают влияние на все аспекты процесса, поэтому непосредственное привлечение специалиста к процессу моделирования является залогом успешного применения результатов моделирования в реальном мире.

Рис. 1.3.Роль мнения специалиста в процессе моделирования

Специалисты играют очень важную роль как во время формирования абстракций, создания модели и ее интерпретации, так и при реализации решений. Поэтому специалист должен понимать следующее:

1)какие ситуации поддаются моделированию;

2)как получить нужные для построения модели данные или как извлечь их из больших массивов данных, и какие существуют методы анализа моделей, помогающие в принятии управленческих решений (причем в пределах разумных затрат времени и средств);

3) что можно сделать, чтобы извлечь максимальную пользу из интерпретации модели и реализации решения.

1.2.1. Использование моделей на разных уровнях управления

Модели играют различную роль на разных уровнях управления компанией. На верхнем уровне модели, как правило, предлагают информацию и помогают понять проблему, причем не обязательно в форме рекомендуемых решений. Они используются в качестве средств стратегического планирования: чтобы предвидеть будущее, исследовать альтернативы, разработать несколько планов на случай непредвиденного развития событий, повысить гибкость производства и сократить время реакции на требования времени. На более низком уровне модели чаще используются для того, чтобы предложить рекомендуемые решения. Например, на многих заводах операции на конвейере полностью автоматизированы. Аналогично в некоторых случаях решения принимаются исключительно на основании модели конкретной операции и после реализации требуют вмешательства специалиста только в исключительных ситуациях. Однако чаще вклад автоматизации в моделирование состоит в сборе и подготовке нужных данных. Эти данные затем используются специалистами для периодического обновления табличных моделей, построенных в электронных таблицах. Пересмотренная модель повторно анализируется, рекомендуются новые решения, которые вновь интерпретируются и реализуются.

Модели по-разному используются на различных уровнях управления компанией по ряду причин. Чем ниже уровень организации, темпроще задачи и альтернативы. Взаимодействия легче описать количественно, зачастую более доступны точные данные, более определенной является и будущая среда реализации решения. Кроме того, достаточно часто повторяются ситуации принятия решений, что позволяет амортизировать затраты на сбор данных и разработку модели за счет ее многократного использования. Например, на низшем уровне решение может заключаться в составлении расписания работы определенного станка. Известно, какие изделия на нем можно изготавливать, а также стоимость переналадки станка при переходе с одного вида продукции на другой. Задачамодели - составить расписание, которое позволит изготовить необходимое количество изделий в срок и минимизировать затраты на переналадку и храпение.

Сравните эту простую и очевидную проблему с принятием на высшем уровне решения, следует ли «делать инвестиции в развитие» или «выжать максимум из производства», стоимость которого может составлять многие миллиарды долларов. Конечно, модели можно применять и для таких общих и неопределенных проблем, но тогда в самих моделях оказывается слишком много неоднозначных предположений и неопределенностей. В таких случаях определить точность модели и достичь соглашения о целях моделирования бывает столь же сложно, как и найти соответствующее решение.

1.2.2. Цели моделирования и использование моделей

Способы использования моделей так же разнообразны, как и люди, которые их создают. С помощью моделей можно продать идею или проект, заказать оптимальное количество автомобилей или лучше организовать работу системы автомобильною сервиса. В любом случае модели обеспечивают структуру для целостного логического анализа. Модели широко используются благодаря тому, что заставляют выполнить следующие действия:

  1.  Явно определить цели.
  2.  Определить и зафиксировать типы решений, которые влияют на достижение этих целей.
  3.  Выявить и зафиксировать взаимосвязи и компромиссы между этими решениями.
  4.  Тщательно изучить входящие в них переменные и определить возможность их измерения.
  5.  Разобраться, какие данные нужны для количественного определения значений переменных и найти способ описать их взаимное влияние.
  6.  Осознать, какие ограничения могут налагаться на значения этих переменных.
  7.  Обсудить идеи, что помогает членам группы управления в совместной работе.

Как следует из перечисленного выше, модель можно использовать в качестве целостного средства для оценки и обсуждения различных вариантов загрузки производственных мощностей предприятии сервиса, если каждый вариант или ряд решений оценивается с одних и тех же позиций, согласно тем же формулам, описывающим взаимосвязи и ограничения. Более того, модели можно проверить непосредственно на практике и усовершенствовать, используя опыт, что является разновидностью адаптивного обучения.

Наконец, следует отметить, что компьютерные модели предоставляют возможность систематически использовать мощные метлы анализа, прежде недоступные. Такие модели позволяют оперировать огромным числом переменных и описывать их взаимосвязи, что не под силу сделать в уме.

Модели позволяют одновременно использовать аналитические возможности программной реализации математических методов, возможности хранения данных и вычислительные ресурсы компьютеров.

1.3. Особенности использования моделей как средства принятия управленческих решений

«Философия» моделирования призвана несколько сократить разрыв между способами использования моделей и реальными ситуациями. В учебных пособиях все задачи четко сформулированы, все данные точно известны, а решение можно охарактеризовать одним числом, приведенным в ответах. Очевидно, что в реальности все совсем иначе. Поэтому рассмотрим более подробно роль и место моделей в реальном мире.

1 3.1. Реализм

Ни одна модель не в состоянии полностью охватить реальное п,. Каждая модель является некой абстракцией, т. е. описывает только некоторые возможные взаимосвязи реального мира и лишь приблизительно представляет отношения между ними. Из этого вытекает простое правило, определяющее, когда следует использовать модели.

Модель следует использовать в том случае, если с ее помощью принимаются более удачные решения, чем без нее.

Данный подход во многом напоминает подходы, применяемые в науке и технике. Модели могут не совсем точно описывать подъемные силы крыла самолета, но с их помощью удается конструировать более совершенные самолеты, чем без них. То же верно и для принятия управленческих решений.

1.3.2. Интуиция

Многие продолжают думать, что модели и интуиция при решении реальных задач являются вещами взаимоисключающими. «Или мы творчески подходим к разрешению ситуации, или моделируем ее с помощью компьютера». Это в корне неверный подход. Успешное (и творческое) использование моделей в значительной мере основано на суждениях и интуиции специалиста.

Интуиция играет важную роль в осознании проблемы и создании модели. Сначала нужно определить, где можно применить количественную модель, т.е., прежде чем вкладывать средства в процесс моделирования, необходимо интуитивно почувствовать, что суть ситуации можно описать с помощью модели и получить полезный результат.

Интуиция не менее важна при интерпретации и реализации решения. Несмотря на то, что в ходе анализа многих предлагаемых в данной книге моделей получаются «оптимальные» решения, важно понимать, что такие решения являются оптимальными для формальных абстракций (находящихся над пунктирной линией на рис. 1.2), но они могути не быть таковыми в реальной ситуации.

Термин «оптимальность» относится к моделям, а не к реальности. То, что оптимально в модели, отнюдь не всегда оптимально в реальной жизни.

Лишь иногда имеет смысл говорить об оптимальных решениях применительно к реальным ситуациям. Именно поэтому так важно удостовериться, что предложенные моделью решения имеют смысл и удовлетворяют интуитивным требованиям. Если рекомендации не соответствуют интуитивным соображениям, следует разобраться, верна ли модель. Таким образом, чрезвычайно важно оценить модель и определить, насколько следует доверять ее рекомендациям. Может быть, понадобиться пересмотреть описание ситуации или даже формулировку модели. Важно понимать, что моделирование ни в коем случае не заменяет интуицию. Всегда нужно быть готовым к тому, что могут возникнуть какие-то изменения и старые решения перестанут верно отображать реальную ситуацию. Тем не менее, существует немало доказательств, что процесс моделирования можно успешно применять тогда, когда среда вокруг бизнес-ситуации меняется настолько, что стандартная политика или чисто практические методы становятся неадекватными.

Безусловно, нельзя гарантировать, что использование «хорошей» модели всегда даст хороший результат; но, несмотря на его несовершенство, этот подход - наиболее рациональный из всех возможных. Шансы правильно предсказать, когда некая модель будет давать хорошие реальные результаты, а когда - нет, существенно возрастут, если понять концепции, используемые в данной модели.

Описывая реальную ситуацию в виде постановки проблемы, вы тем самым переходите на абстрактный уровень процесса моделирования. Следовательно, проблемы как таковые действительно существуют в формальном мире, и, значит, существуют решения этихпроблем, но только в формальном мире, а не в реальном. Решения абстрактной проблемы редко могут служить готовыми решениями реальных управленческих ситуаций. Эти решения нуждаются в тщательной интерпретации в реальном контексте, прежде чем буду т сделаны окончательные выводы. В результате реализуемое решение может значительно отличаться от ответа, полученного при анализе модели.

Если воспринимать ответы не просто как результаты, а рассматривать их в совокупности с постановками проблем, можно обновить интуитивное первоначальное представление об управленческой ситуации. Таким образом, при моделировании нужно стараться глубже разобраться в ситуации, чтобы не только получить непосредственное преимущество в виде более удачного решения, но и отточить свою интуицию. Совершенная интуиция (или мудрость) в управленческих ситуациях является залогом успеха. Никогда не следуетзабывать, что: «цель моделирования - понимание, а не прост от ноты».

В процессе моделирования научный метод не применяется в традиционной форме, поскольку задача классического научного метода - устранить человеческие суждения, которые могут оказать необъективное воздействие на знания. Поэтому основой приобретения научных знаний является проверка теорий и результатов посредством повторения управляемых экспериментов. К сожалению, в разрешении управленческих ситуаций практически невозможно проводить повторяемые контролируемые эксперименты в силу стоимостных и временных ограничений. Поэтому приходится использовать суждения человека в качестве (пусть и несовершенного) руководства на каждом шаге процесса моделирования. В процессе моделирования этап анализа модели является научным к том смысле, что для получения рациональных выводов применяются логика и вычисления, однако во веем остальном прослеживается субъективное влияние.

Специалист должен постоянно вмешиваться в процесс моделирования, поскольку только он может выступать арбитром при выборе содержимого абстракций, результирующей модели, ее анализе, оценке результатов и их интерпретации. В конце концов, именно он несет ответственность за окончательное решение.

Другое очень важное преимущество моделирования - полезность модели как средства общения участников процесса принятия решения. Важные решения редко принимаются в одиночку, требуется сотрудничество многих людей, особенно при реализации окончательного решения. При надлежащем осуществлении процесса моделирования результирующая модель и полученные с ее помощью рекомендации по принятию решения могут стать мощными средствами командной стратегии, которые позволят объяснять и обсуждать идеи, получать отклики и осуществлять кооперацию.

1.4. Типы моделей

Существует три типа моделей.

Первый - физические модели. Такие модели используются в технике и являются физической копией объекта в уменьшенном или увеличенном виде.

Второй - аналоговые модели - используется настолько часто, что иногда это даже не осознается. Эти модели представляют множество связей с помощью различных аналоговых посредников. Карта автодорог является аналоговой моделью территории, автомобильный спидометр представляет скорость с помощью аналогового отображения стрелки датчика, а круговая диаграмма представляет результаты социологического опроса в виде секторов круга.

Третий тип - символическая модель, в которой все понятия выводятся посредством количественно определенных переменных,- является наиболее абстрактной. Все связи представляются в математическом, а не физическом или аналоговом виде. Например, физики создают количественные модели вселенной, экономисты - количественные модели экономики. Поскольку в символических моделях используются количественно определенные переменные, связанные уравнениями, их часто также называют математическими моделями, количественными моделями или табличными моделями (т.e.моделями на основе электронных таблиц).

Специалистам приходится работать со всеми тремя типами моделей, чаще всего - с аналоговыми моделями в форме диаграмм и графиков, а также с символическими моделями в виде электронной таблицы или отчетов информационно - управляющей системы. Краткая характеристика треxтипов моделей представлена в табл.1.1.

Таблица 1.1. Типы моделей

Тип модели

Свойства

Примеры

Физическая модель

Осязаемость

Понимание: простое Дублирование и совместное использование:сложные

Модификация и манипулирование:сложные

Сфера использования: наиболее узкая

макет автомобиля, макет станции технического обслуживания,

макет города

Аналоговая модель

Неосязаемость

Понимание: более сложное Дублирование и совместное использование: более простые

Модификация и манипулирование: более простые Сфера использования: Солее широкая

карта дорог, спидометр, круговая диаграмма

Символическая модель

Неосязаемость

Понимание: самое сложное Дублирование и совместное использование:самые простые

Модификация и манипулирование:самые простые

Сфера использования: самая широкая

имитационная модель,

алгебраическая модель,

модель, построенная в  электронной таблице

Несмотря на их различия, все модели имеют одно общее свойство. Любая модель является тщательно выбранной абстракцией реальности, которая отражает представления ее создателя о причинных связях в реальном мире.

В этом пособии основное внимание будет уделено созданиюсимволических моделей (представленных в электронных таблицах и среде имитационного моделирования), их анализу с целью получения числовых (в виде таблиц) и аналоговых (в виде диаграмм) результатов.

1.4.1. Символические (количественные) модели

Как следует из приведенного ранее определения, символические модели используют математические закономерности для отображения связей между представляющими интерес данными. Необходимо, чтобы эти данные были количественными, т.е. их можно было выразить в числовой форме. Числовые данные - основное содержание символических моделей.

Рассмотрим более подробно простейший пример символической модели. Если человек находится в Казани и планирует к обеду быть в Уфе, ему требуется оценить время, которое нужно затратить, чтобы доехать на автомобиле из Казани в Уфу. Для этого нужно с помощью атласа или Internetопределить расстояние между этими городами и разделить его на среднюю скорость движения. Таким образом, модель имеет следующий вид:

Т =D/S,

где Т - время, D- расстояние, aS- скорость.

Такая модель, безусловно, полезна, однако она упрощает реальность, поскольку в ней игнорируются многие факторы, которые могуч заметно повлиять на время путешествия. В модели не учитываются разнообразные задержки, погодные условия, остановки для заправки и т. д. Тем не менее, если планируется выехать в 6 утра, а Т - 6 часов, можно считать, что модель вполне удовлетворяет поставленным целям, т.е. показывает, что вполне реально оказаться в Уфе к обеду.

Теперь предположим, что выехать ранее полудня нельзя, а в 1830назначена важная встреча в Уфе. В таком случае оказывается, что модель слишком проста, чтобы чувствовать себя уверенно, и возникает желание приблизить ее к реальности, включив дополнительные условия. Можно, например, добавить выражение, отражающее остановки в пути. Тогда модель примет следующий вид:

,

где R- среднее время остановки, а N - предполагаемое количество остановок.

Можно продолжить совершенствование модели, учитывая все новые факторы. Некоторые из них могут быть оценены только приблизительно. О моделях необходимо постоянно помнить следующее:

  1.  модель всегда в той или иной степени упрощает реальность;
  2.  модель должна быть настолько подробной, чтобы:
  •  -результат удовлетворял вашим потребностям;
  •  -степень подробности соответствовала доступным данным;
  •  -модель можно было проанализировать за то время, которое вы в состоянии уделить этому занятию.

1.4. 2. Модели принятия решений

В данном пособии основное внимание уделяется моделям принятия решений: символическим моделям, в которых определенные переменные представляют решения, которые нужно (или по крайней мере можно) принять. Очевидно, что сократить расстояние между Казанью и Уфой невозможно. Однако можно выбрать скорость движения, количество остановок и время, затраченное на каждую из них. Это и есть переменные решения. На эти переменные также могут налагаться определенные ограничения - нельзя ехать со скоростью больше 100 км/ч, бензобак имеет ограниченную емкость, оправка требует определенного времени и т. д. Подобные ограничения являются основой построения реалистических моделей.

1.4.3. Цели

Обычно решения принимаются для достижения определенной цели. Таким образом, помимо переменных модель принятия решения.как правило, содержит явный критерий эффективности, который позволяет определить, насколько решение близко к цели. При построении модели чрезвычайно важно указать, как переменные решения будут влиять на указанный критерий. Рассмотрим следующие примеры:

  1.  Модель распределения персонала на автозаправочной станции. Переменные решения - сколько человек обслуживают территорию автозаправочной станции. Типичным критерием эффективности является доход, а цель состоит в максимизации дохода от продаж всех видов топлива.
  2.  Составление графика работы станции технического обслуживания. Переменные решения - сколько времени занимает обслуживание автомобиля на том или ином посту, последовательность обслуживания. Возможные цели - минимизация затрат, общего времени выполнения заказа или опоздания при задержке поставок запасных частей.
  3.  Модель управления наличными средствами. Переменными решения могут быть суммы средств различных категорий (наличные, векселя, акции и облигации) в каждом месяце. Типичная цель может состоять в минимизации недополученного процентного дохода к связи с поддержанием ликвидных активов - наличности и ее эквивалентов.

Подведем итог:

  1.  Модели принятия решений описывают управленческую ситуацию, но не всеохватно, а выборочно.
    1.  В моделях определяются переменные, влияющие на решения.
      1.  В моделях принятия решений задаются критерии, отражающие цели моделирования.

1.5. Построение моделей

Все модели (и простые, и сложные) создаются человеком. К сожалению, не существует экспертных систем для построения моделей (за исключением очень узких специализированных приложений). В настоящее время построение моделей в значительной степени является искусством, которое требует определенного воображения, а также владения техническими знаниями.

Для моделирования ситуации вначале нужно представить ее структурированным образом, т.е. необходимо выработать некий способ, который позволит систематически обдумать данную ситуацию. Следует помнить, что чаще всего приходится иметь дело с формулировками управленческих ситуаций в виде неких признаков, а не в форме четкой постановки проблем. Например, торговый представитель компании в Нижнекамске сообщает, что главный конкурент обошел вашу фирму, предложив обработку заказов по электронной почте через Internet. В повседневном смысле - это управленческая проблема, но в нашем понимании - это признак. Постановка проблемы включает в себя возможные решения и метод измерения их эффективности - две ключевые составные части любой модели. Структурирование - это искусство переходить от симптома к четкой постановке проблемы. Это исключительно важное умение, которым должен обладать менеджер, чтобы успешно разрабатывать модели.

При количественном моделировании бизнес-среды необходимо описывать взаимодействия многих переменных. Для этого нужно сформулировать математическую модель. Необходимо помнить, что в реальном мире обычно не существует единственно верного способа построения модели. Различные модели могут дать различные представления об одной и той же ситуации, как на картинах Пикассо и Ван-Гога один и тот же предмет будет выглядеть портному. Хотя моделирование является искусством, в нем, как и в искусстве в целом, существуют общие принципы. Процесс моделирования можно условно разделить на три этапа:

  1.  изучение среды с целью структурирования управленческой ситуации:
    1.  формализация представления о ситуации;
      1.  построение символической (количественной) модели.

1.5.1. Изучение среды

Новички в моделировании обычно недооценивают значение первого этапа - изучения бизнес-среды с целью структурирования управленческой ситуации. В результате поставленная проблема зачастую является не адекватным обобщением реальной ситуации, а всего лишь описывает некий ее признак. Многие факторы, например, внутриорганизационные конфликты, различия в целях начальников и подчиненных, а также общая сложность ситуации, могут мешать правильному представлению ситуации. Предполагается, что определенные факты известны, в то время как на самом деле это не так. При структурировании управленческой ситуации создатель мотели должен выбрать и вычленить из всей среды аспекты, присущие рассматриваемой ситуации. Важнейшей составляющей успеха являйся опыт - как создания моделей, так и работы в соответствующей среде.

  1.  Формализация

Второй этап, формализация представления о ситуации, заключается в концептуальном анализе, во время которого необходимо принять определенные предположения и упрощения. Посколькурассматриваемая ситуация включает в себя цели и решения, их необходимо явно указать и определить. Может существовать несколько способов определения переменных решения, и не всегда сразу удается найти наиболее подходящее определение. Цели также могут быть не вполне ясны. Проблемы возникают и в том случае, когда целей слишком много и необходимо выбрать одну из них. Обычно невозможно одновременно оптимизировать две различные цели.

На рис. 1.4 представлен первый (зачастую наиболее важный) этап формализации управленческого решения для формулировки задачи - выявление основных концептуальных составляющих модели. На данном этапе детали работы модели не рассматриваются. Основное внимание уделяется определению:

1)входов, т.е. того, что модель должна обрабатывать, и

2)выходов - того, что модель производит.

Модель на данном этапе называется «черным ящиком», поскольку еще не известно, какая логика будет реализована в модели.

После определения входов и выходов модели необходимо разбить их на две категории.

Рис. 1.4. Модель в виде «черного ящика»

Входы, именуемые внешними переменными, делятся на решения - переменные, контролируемые человеком, и параметры - переменные, которыми человек управлять не может. Примерами переменных решения могут служить сумма, в которую оценивается продукция или услуга; размещение технологического оборудования в автосервисе. Примеры параметров: цены, назначаемые конкурентами на аналогичные товары или услуги, физические ограничения объема складского помещения, стоимость единицы сырья или прогнозируемое количество осадков. Многие неконтролируемые входные величины могут быть неизвестны заранее. Трактуя их как параметры, можно строить модель гак, как если бы они были известны. Позднее можно конкретизировать численные значения данных величин, проанализировав данные и оценив эти значения, или просто задать предполагаемые значения величин при анализе модели.

Выходы, называемые внутренними переменными, делятся на показатели эффективности (или критерии) - переменные, которые определяют степень приближения к цели, и результирующие переменные, которые отражают другие следствия моделирования и помотают понимать и интерпретировать результаты работы модели. Критерии особенно важны, так как именно они используются, чтобы определить, насколько удалось приблизиться к конечной цели. Поэтому критерии часто называют целевыми функциями. Примерами целевых функций являются доход, доля рынка, совокупные издержки, дисциплина работников, удовлетворение клиента, доходы отинвестиций. Примеры результирующих переменных - разбивка дохода по статьям, количество проданных изделий, уплаченные налоги и другие величины, которые полезно знать.

Несмотря на простоту концептуальной схемы «черного ящика», она заставляет в самом начале процесса моделирования определим, что следует включить в модель, а что исключить из нее, а также разобраться с классификацией соответствующих факторов.

Предлагается следующий подход к стадии формализации:

  •   определяется цель и соответствующий показатель качества (или несколько показателей), т. е. основные выходы модели;
  •   выясняется, какие входы модели (переменные решения и параметры) связаны с достижением данной цели и оказывают и влияние на показатели эффективности;
  •  на основании этого определяются переменные решения и параметры, которые непосредственно влияют на достижение цели.

В результате этих рассуждений, производимых в обратном порядке, получается та же самая формализация модели в виде «черного ящика». Однако такой подход зачастую проще, поскольку легче думать о ситуациях в терминах целей и критериев (показателей эффективности).

1.5.3. Построение модели

После завершения формализации (в устной или письменной форме) символическую модель необходимо построить.

Как следует из опыта, основной вклад специалиста в построение модели на данном этапе состоит в том, чтобы разработать внутри «черною ящика» математические уравнения, связывающие переменные. Можно вначале использовать упрощенные связи, которые затем уточняются.

Чтобы разработать корректное математическое представление взаимосвязи двух или нескольких переменных как части общей логики модели, можно воспользоваться следующим методом: начертить график, отражающий требуемую зависимость, т.е. начать не с математического уравнения, а с его графика, а затем подобрать соответствующее данному графику уравнение.

Данный метод используется также для анализа необработанных данных, что может потребоваться при оценке значений параметров. Этот метод называется «моделированием на основе данных».

1.6. Моделирование на основе данных

Управленческие решения в значительной степени основаны на оценке и интерпретации данных. Однако интерпретация данных возможна только при наличии некой концептуальной схемы. Сложно сказать, что первично, схема или сбор данных. Очевидно, что данные необходимы для успешного моделирования. Стремление создать более совершенную модель приводит к сбору и хранению дополнительных данных или новых типов данных. Одной из особенностей технологической цивилизации, по крайней мере в технической сфере, является одновременные сбор и использование данных и моделей.

Количественные модели позволяют более целостно и подробно оценивать и интерпретировать данные, чем «умственные» модели. Кроме того, количественные модели можно использовать для генерирования данных, а для построения модели обычно необходимы данные (например, чтобы оценить ее параметры). Часто успех или неудача в моделировании определяются доступностью данных, их точностью и правильностью выбора. В практике построения и использования управленческих моделей многое зависит отданных: модель, основанная на данных, может оказаться бесполезной, если необходимые данные недоступны, или для их сбора требуется слишком много времени и средств.

Данные интерпретируются как отражение важных внутренних закономерностей. Сами по себе данные не представляют никакую модель, только когда данным приписываются некие связи, получаетсямодель (по меньшей мере, в зачаточной ее форме).

1.7.  Детерминированные и вероятностные модели

Таблица 1.2. Классификация моделей

Классификация

Примеры

По бизнес - функциям

финансовые

маркетинговые

модели учета издержек

модели операций

Подисциплинам

научные

технические

экономические

Поотраслям

военные

транспортные

телекоммуникационные

некоммерческие

По временному интервалу

на один временной период

на несколько временных периодов

По организационномууровню

стратегические

тактические

операционные

По математическим свойствам

линейные

нелинейные

По способу представления

карандаш ибумага

электронные таблицы

обычное программное обеспечение

программное обеспечение для имитационных моделей

По степени определённости

детерминированные

вероятностные

Модели можно классифицировать по различным признакам. Втабл. 1.2 перечислены некоторые из этих классификаций.

Любая классификация помогает глубже понять, где применятся и как используются те или иные модели. Воспользуемся приведенной в табл. 1.2 классификацией и будем отдельно рассматривать детерминированные и вероятностные модели.

1.7.1. Детерминированные модели

В детерминированных моделях все необходимые данные точно известны. Таким образом, в них предполагается, что при анализе модели будет доступна вся информация, необходимая для принятия решения. Примером детерминированной модели может служить назначение водителей на каждый из ежедневных рейсов автобусов в следующем месяце при условии, что известны расписание рейсов, штат сотрудников, законодательные ограничения на количество рабочих часов, правила работы, установленные профсоюзами и т. д. Такие модели позволяют обрабатывать сложные ситуации, в которых существует много решений и ограничений. Детерминированные модели особенно полезны, когда в модели мало неопределенных неконтролируемых входов. Поэтому они часто используются для принятия внутренних по отношению к организации решений.

Детерминированные модели важны по следующим причинам:

1) множество разнообразных важных задач можно формализовать в виде детерминированных моделей.

2) в детерминированных моделях легко налагать ограничения на переменные модели.

  1.   существуют программы, позволяющие оптимизировать детерминированные модели с ограничениями, т. е. находить оптимальные решения; даже для моделей большой размерности это делается быстро и надежно.
  2.   условная оптимизация очень хороший способ упорядоченного представления ситуации даже в том случае, когда вы не собираетесь строить модель и оптимизировать ее.
  3.   практическая работа с детерминированными моделями позволяет усовершенствовать общие навыки создания моделей.

1. 7.2. Вероятностные модели

В вероятностных, или стохастических, моделях некоторые входы модели точно не известны. Так, в них предполагается, что значения некоторых переменных не будут известны до принятия решения, и это необходимо отразить в модели. Вероятностные модели наиболее успению используются тогда, когда неопределенных входов модели немного, при условии, что ограничений также немного или они отсутствуют вовсе. В результате вероятностные модели чаще всего применяются для принятия стратегических решений, касающихся отношений организации и (неопределенной) среды, с которой она взаимодействует.

1.8. Последовательная разработка модели

Чтобы лучше понять взаимоотношения различных типов моделей в процессе моделирования, удобно представить классификацию символических моделей в виде ромба, как показано на рис. 1.6. Правая и левая грани ромба отражают построение полярных моделей: де терминированных и вероятностных.

Конечно, ни одна модель не может быть полностью детерминированной (не содержащей неопределенности в значениях ни однойпеременной) или полностью вероятностной (когда неопределенность присуща всем значениям переменных). Возвращаясь к рапсе описанному примеру, погода может внезапно привести к отмене рейса, а болезнь водителя - сделать невозможным его участие в рейсе, тем самым предложенное моделью расписание будет нарушено.

Верхняя и нижняя части ромба описывают другие противоположности: нисходящее и восходящее моделирование. Нисходящее моделирование предполагает, что процесс может происходить следующим образом: сначала, исходя из общих соображений, определяются переменные, затем они связываются в модели па основании гипотез об алгебраических видах их связей и предполагаемых значениях всех параметров. В результате используется нисходящий способ моделирования, в котором основными являются общие знания и суждения разработчика модели о значениях данных и математических связях между ними, а также о будущем применении этих общих знании. Полученные таким образом модели изначально являются недостаточно обеспеченными данными и содержат лишь десятки или сотни элементов данных, часто выраженных как предполагаемые параметры модели.

При восходящем моделировании исходят из того, что модель можно разработать, сфокусировав внимание на переменных, отражающих собранные данные, затем объединить их в модель, определив путем анализа данных связи между ними и оценив значения всех параметров. В результате модели строятся восходящим способом, а главным являются точные, легко доступные данные и суждения об их будущем применении. Полученные модели с самого начала хорошо обеспечены данными и содержат сотни или тысячи элементов данных, которые впоследствии уточняются, чтобы оценить параметры модели в процессе так называемого извлечения информации из данных.

Восходящее моделирование

Рис. 1.5. Типы моделей

Изображенный на рисунке ромб также иллюстрирует, что все четыре его грани должны использоваться в процессе построения модели, в частности на ранних стадиях ее формирования. Построение модели редко сводится к использованию одного направления или к простому следованию некоему рецепту комбинирования направлений. Элементы модели нужно опробовать, протестировать, оценить (часто вначале субъективно), исправить, вновь оценить и так далее, последовательно переходя с одной «грани» ромба на другую, используя при этом весь свой творческий потенциал.

Создание моделей последовательно (метод проб и ошибок) - творческий процесс. Именно поэтому построение управленческих моделей является скорее искусством, нежели наукой. И, как в искусстве, чтобы чему-то научиться, необходим критический взгляд на то, что сделано другими, а также практика, практика и практика.

1.9. Моделирование и принятие решений в реальном

мире

Применение моделирования в процессе принятия реальных решений можно разделить на четыре этапа, которые в значительной степени совпадают с представленными на рис. 1.1 этапами самого процесса принятия решений.

  1.  Три этапа моделирования (изучение среды, формализация задачи и построение модели), которым соответствует процесс отбора реальных управленческих ситуаций, их обобщение и формализация.и последующая разработка математических закономерностей символической модели.
  2.  Анализ модели с целью получения результатов, т.е. «решение» модели - выполнение вычислений и других необходимых действий.
  3.  Интерпретация и проверка адекватности результатов  моделирования, чтобы убедиться, что информация, полученная в результате анализа модели, приемлема в контексте реальной исходной ситуации.
  4.  Реализация, т.е. применение новых знаний, полученных из интерпретации результатов моделирования для принятия решений и реальных ситуациях.

Как и при построении моделей, перечисленные четыре этапа практически никогда не выполняются строго последовательно. Их реализуют итеративно, по крайней мере первые три этапа. Итеративно строится модель (как описано в предыдущем разделе). Затем она анализируется с целью получения результатов; результаты критически интерпретируются, чтобы получить рекомендации, которые зачастую не выдерживают простейшей проверки: соответствуют ли полученные результаты и рекомендации элементарному здравому смыслу?

Соответствие здравому смыслу наиболее очевидный тест для проверки достоверности модели. Если после устранения легко обнаружимых логических ошибок к модели результаты или рекомендации противоречат требованиям здравого смысла, не остается ничего иного, как вернуться к предыдущему этапу, чтобы выяснить, что же произошло: может, неверно определена управленческая ситуация, или при формализации был утрачен реализм, или сама модель оказалась несовершенной. Как правило, необходимо сделать немало итераций по первым трем этапам моделирования, прежде чем будет получена приемлемая модель или составитель модели осознает, что его понимание ситуации изначально неверно. В любом случае не следует думать, что эта работа выполнена напрасно: сам процесс является весьма поучительным и позволяет значительно усовершенствовать как модель, так и понимание ситуации.

1.9.1. Проверка достоверности модели

Сам по себе здравый смысл вряд ли можно считать научным способом проверки достоверности модели. К сожалению, другие методы проверки достоверности также имеют свои недостатки. Например, часто в заключении о проверке модели говорится, что организация сэкономила X средств на издержках или получила Yдополнительной прибыли в результате использования модели принятия решений. При этом возникает вопрос: вдруг такого же (или даже более значительного) повышения доходности можно добиться без данной модели?

Поскольку в реальном мире контролируемые эксперименты, как правило, невозможны, одним из весьма несовершенных способов проверки правильности модели является ее ретроспективное использование: данные о решениях, параметрах и результатах для аналогичной ситуации, имевшей место в прошлом, помешаются в модель. Затем результаты, полученные с помощью модели, сравниваются с известными реальными результатами. Наконец, модель анализируется, и любое дополнительное улучшение рекомендаций по принятию решения становится доказательством того, что модель заслуживаетдоверия.

На этапе заключительного анализа следует помнить, что условия принятия решений постоянно меняются. Поскольку методы поддержки принятия решений предназначены для тех же самых ситуаций, нет смысла подгонять модели под более высокие, практически недостижимые научные стандарты. При заключительном анализесуждение о правильности модели, равно как и об ее полезности, выносится на основании здравого смысла.

1.10. Подведение итогов

В разрешении разнообразных управленческих ситуаций часто применяются условная оптимизация и принятие решений в условиях риска. К сожалению, для того, чтобы правильно использовать подобные модели, не достаточно просто описать их. Прежде чем использовать их на интуитивном уровне, необходимо понять, как такиемодели создаются, какие связи существуют между решениями и результатами. Нужно изучить модели и их применение в различных ситуациях, только после этого могут появиться собственные идеи. Требуется уделить время критическому анализу чужих работ, а также попрактиковаться самому.

Оптимальное решение дает наилучший ответ для абстрактной задачи, сформулированной в модели. Но будет ли это решение лучшим ответом в реальной ситуации, для которой создавалась модель? На этот вопрос необходимо ответить до того, как реализовать рекомендации модели. Всегда приходится принимать решение о том, следует ли реализовывать конкретную рекомендацию, но качество этого решения в значительной мере будет зависеть от того, насколько четко установлена взаимосвязь между моделью и реальной ситуацией, которую она отражает.

Важно также оценить чувствительность результата, т.е. насколько рекомендуемые моделью решения зависят от значений конкретных параметров, служащих входами модели. Предпочтительнее решения, которые остаются в силе для широкого диапазона входных значений. Следовательно, хорошее решение не должно превращаться в плохое при незначительном изменении одного из входов модели.

Большинство терминов, используемых при описании процессамоделирования, интуитивно понятны, тем более, что по мере развития модели эта терминология приобретает все более точный смысл. Но необходимость точного определения переменных и связей модели (переменная решения, параметр, внешняя переменная и т. п.) встречает определенное сопротивление, возражения и непонимание со стороны других менеджеров, которые часто играют ключевую роль в реализации решений, полученных на основе анализа модели. В табл. 1.3 представлены термины, используемые в моделировании, их определение и соответствующие примеры.

Таблица 1.3. Терминология моделирования

Термин

Формальное определение

Пример

Переменная решения

Контролируемая внешняя входная величина

Объем инвестиций

Параметр

Неконтролируемая внешняя входная неличина

Процентная ставка

Результирующая переменная

Внутренняя выходная переменная

Выплаченные комиссионные

Показатель эффективности (критерий)

Внутренняя переменная, используемая для оценки решения (целевая функция)

Дивиденды

Непосредственная работа с моделями учит анализировать и разбивать на части путь от начальных предположений к заключениям. Первый шаг на пути к хорошему решению - постановка правильных вопросов. Практикуясь в моделировании, вы получите возможность развить этот важный навык.

1.11. Основные термины и определения

Анализ чувствительности - определение степени воздействия, оказываемого (незначительным) изменением внешней переменной на другую переменную.

Аналоговая модель - модель, использующая различные средства для представления значений действительных величин (например, положение стрелок часов на циферблате для представления времени).

Вероятностная модель - модель, в которой некоторые данные не являются достоверно известными, их неопределенность описывается посредством вероятностных распределений.

Внешние переменные - количественные переменные, значения которых определяются вне символической модели, входы символической модели.

Внутренние переменные - количественные переменные, значении которых определяются внутри символической модели, выходы символической модели.

Нисходящее моделирование - построение количественной модели, при котором переменные, параметры и математические связи между ними оцениваются на основании анализа имеющихся данных.

Данные - числовые данные, которые количественно отражают взаимосвязи факторов управленческой ситуации.

Детерминированная модель - модель, в которой все данные достоверно известны.

Линейное программирование - детерминированная модель, состоящая из линейных уравнений и неравенств и одного показателя эффективности (целевой функции), который нужно оптимизировать при наличии заданного набора ограничений.

Методы управления - систематическое применение процесса моделирования в управленческих ситуациях.

Модель "черного ящика" - неполная символическая модель, в которой  определены только переменные входа и выхода, а математические связи не выявлены.

Модель решения - символическая модель, в которой существуют переменные решения и хотя бы один показатель эффективности.

Нисходящее моделирование - построение символической модели, при котором переменные, параметры и математические связи между ними определяются на основании ранее полученных знаний.

Параметр - внешняя переменная, значение которой не зависит от  решений, принимаемых менеджером, а определяется внешней средой.

Поддержка принятия решений - процесс использования дынных, моделей и результатов их анализа для получения информации, помогающей при принятии решений.

Показатель эффективности (критерии, целевая функция)внутренняя переменная, позволяющая определить, насколько модель близка к цели.

Постановка проблемы - выявление возможных решений иметод измерения их эффективности.

Процесс моделирования - итеративный процесс абстрагирования, построения модели, ее анализа и интерпретации, дополненный интуицией и суждениями менеджера, призванный содействовать принятию решений.

Результирующая переменная - внутренняя переменная, поставляющая дополнительную информацию, которая призвана помочь менеджеру в интерпретации результатов модели.

Решение (переменная решения) - внешняя переменная, значение которой контролирует и определяет принимающий решение менеджер.

Символическая модель (количественная модель) - модель, использующая данные, переменные и математические связи для представления абстрактных ситуаций (например, модель экономики определенной страны).

Символическая модель линейного программирования - математическое представление модели линейного программирования.

Структурирование - искусство перехода от признаков (ситуативных факторов) к четкой постановке проблемы.

Физическая модель - модель, подобная модели самолета, компонентами которой являются физические артефакты, обладающие действительными свойствами моделируемой сущности.

Контрольные вопросы.

  1.  Что такое модель в управленческой сфере? Основные положения и понятия.
  2.  В чем заключается процесс моделирования?
  3.  Каковы особенности использования моделей как средства принятия управленческих решений?
  4.  Типы и построения моделей. Формализация.
  5.  Моделирование на основе данных.
  6.  Детермированные и вероятностные модели.
  7.  Что можно найти в результате анализа «Что – если»?
  8.  Что представляет собой количественная модель?
  9.  Когда возможно использование моделей принятия решений?


 

А также другие работы, которые могут Вас заинтересовать

29369. зыки проектирования как составная часть лингвистического обеспечения САПР 29.5 KB
  Языки проектирования – языки предназначенные для описания информации об объекте и процессе проектирования. а Входные языки предназначены для задания исходной информации об объектах и целях проектирования. Эти языки представляют собой совокупность языков описания объектов описания заданий и описания процессов.
29370. Определение формальной грамматики 49 KB
  Конечное множество символов неделимых в данном рассмотрении в теории формальных грамматик называется словарем или алфавитом а символы входящие в множество буквами алфавита. Последовательность букв алфавита называется словом или цепочкой в этом алфавите. Если задан алфавит A то обозначим A множество всевозможных цепочек которые могут быть построены из букв алфавита A. Формальной порождающей грамматикой Г называется следующая совокупность четырех объектов: Г = { Vт VA I VA R } где Vт терминальный алфавит словарь; буквы этого...
29371. Классы формальных грамматик 47 KB
  В теории формальных языков выделяются 4 типа грамматик которым соответствуют 4 типа языков. Эти грамматики выделяются путем наложения усиливающихся ограничений на правила грамматики Грамматики типа 0 Грамматики типа 0 которые называют грамматиками общего вида не имеют никаких ограничений на правила порождения. Грамматики типа 1 Грамматики типа 1 которые называют также контекстнозависимыми грамматиками не допускают использования любых правил. Грамматики типа 1 значительно удобнее на практике чем грамматики типа 0 поскольку в левой части...
29372. Синтаксические диаграммы 53 KB
  Каждое появление терминального символа x в цепочке ai изображается на диаграмме дугой помеченной этим символом x заключенным в кружок. Каждому появлению нетерминального символа A в цепочке ai ставится в соответствие на диаграмме дуга помеченная символом заключённым в квадрат.an изображается на диаграмме следующим образом: 5. an изображается на диаграмме так: 6.
29373. Языковые процессоры и их основные типы 29.5 KB
  Совмещение этих требований в одном языке оказалось трудной задачей поэтому появились средства для преобразования текстов с языка понятного человеку на язык устройства. В первом случае его называют интерпретатором входного языка а во втором компилятором. Интерпретатор последовательно читает предложения входного языка анализирует их и сразу же выполняет а компилятор не выполняет предложения языка а строит программу которая может в дальнейшем быть запущена для получения результата. Такое задание предполагает определение правил построения...
29374. Фазы трансляции программ 32.5 KB
  На вход лексического анализатора подаётся последовательность символов входного языка. ЛА выделяет в этой последовательности простейшие конструкции языка которые называют лексическими единицами лексемами. Генератор каждому символу действия поступающему на его вход ставит в соответствие одну или несколько команд выходного языка. В качестве выходного языка могут быть использованы команды устройства команды ассемблера либо операторы какоголибо другого языка.
29375. Основные функции сканера 34 KB
  Лексический анализ программ – один из основных этапов фаз трансляции программ – выделение в исходной программе элементарных единиц языка таких как идентификаторы константы ключевые слова символы операций разделители и др. Лексический анализ завершается преобразованием выделенных единиц языка в некоторую унифицированную форму обычно числовую.Часть транслятора которая выполняет лексический анализ называется сканером лексический анализатор. Лексический анализатор сканер должен распознать идентификаторы константы ключевые слова...
29376. Принципы работы сканера 95.5 KB
  Синтаксис целых констант представляется: целое ::=цифра знак цифра целое цифра знак ::= Для представления грамматики состояния целых констант диаграмма имеет вид:Вершины соответствуют состояниям автомата и определяются нетерминальными символами. Построим диаграмму состояний для автомата который распознает лексемы трех типов: целые константы десятичные константы идентификаторы идентр ::=буква идентр буква идентр цифра десятичная константа: дес.число цифра смеше число цифра смеше число ::= целое целое ::=цифра знак цифра целое цифра...