На чем основаны методы моделирования

Моделирование

Моделирование — это метод воспроизведения и исследования определённого фрагмента действительности (предмета, явления, процесса, ситуации) или управления им, основанный на представлении объекта с помощью его копии или подобия — модели (см. Модель). Модель обычно представляет собой либо материальную копию оригинала, либо некоторый условный образ, представленный в абстрактной (мысленной или знаковой) форме и содержащий существенные свойства моделируемого объекта. Процедуры создания моделей широко используются как в научно-теоретических, так и в прикладных сферах человеческой деятельности.

В научном познании (см. Наука) модель рассматривается как «объект-подобие» или «объект-заместитель» объекта-оригинала, воспроизводящий определённые его характеристики. В этом смысле модель всегда соответствует объекту-оригиналу — в тех свойствах, которые подлежат изучению, но в то же время отличается от него по ряду других признаков, что делает модель удобной для исследования изучаемого объекта. Результаты разработки и исследования моделей при определённых условиях, принимаемых в методологии науки и специфических для различных областей и типов моделей, распространяются на оригинал. Использование метода моделирования в научном познании диктуется необходимостью раскрыть такие стороны объектов, которые либо невозможно постигнуть путём непосредственного изучения, либо непродуктивно изучать их таким образом в силу каких-либо ограничений.

В научном познании возможны два способа моделирования:

Модели, применяемые в научном познании, разделяются на два больших класса:

Соответственно указанным различениям выделяют основные разновидности моделирования. Каждое из них применяется в зависимости от особенностей изучаемого объекта и характера познавательных задач.

Предметно-физическое моделирование широко используется как в научной практике, так и в сфере материального производства. Такое моделирование всегда предполагает, что модель должна быть сходна с оригиналом по физической природе и отличаться от него лишь численными значениями ряда параметров. Наряду с этим в практике научного исследования часто используется и такой вид моделирования, при котором модель строится из объектов иной физической природы, чем оригинал, но описывается одинаковой с ним системой математических зависимостей. В отличие от предметно-физического этот вид моделирования называют предметно-математическим. Предметная модель становится здесь объектом испытания и изучения, в результате которого создаётся её математическое описание. Последнее затем переносится на моделируемый объект, характеризуя его структуру и функционирование.

В развитой науке, особенно при переходе к теоретическим исследованиям, широко используется моделирование с применением идеальных моделей. Этот способ получения знаний об объектах может быть охарактеризован как моделирование посредством идеализированных представлений. Он является ведущим инструментом теоретического исследования. Активно используя модельные представления, научное исследование вместе с тем применяет и так называемое знаковое моделирование, которое основано на построении и испытании математических моделей некоторого класса явлений, без использования при этом вспомогательного физического объекта, который подвергается испытанию. Последнее отличает знаковую модель от предметно-математической. Такой вид моделирования иногда называют также абстрактно-математическим. Он требует построения знаковой модели, представляющей некоторый объект, где отношения и свойства объекта представлены в виде знаков и их связей. Эта модель затем исследуется чисто логическими средствами, и новое знание возникает в результате дедуктивного развёртывания модели без обращения к предметной области, на основании которой выросла данная знаковая модель. В абстрактно-математическом моделировании модель — это конструкция, изоморфная моделируемой системе. При таком моделировании каждому объекту системы ставится в соответствие определённый элемент моделирующей конструкции, а свойствам и отношениям объектов соответствуют свойства и отношения элементов.

Классическими примерами моделей, основанных на изоморфизме, являются модели аксиоматических систем в математике. Они задают семантику формальных построений и создают возможность для содержательной интерпретации аксиом. Сами аксиомы, как и следствия из них, считаются предложениями некоторого формального языка. Кроме того, задана область интерпретаций, представляющая собой множество индивидных объектов. Изоморфизм задаётся функцией, сопоставляющей каждому имени языка некоторый объект из заданного множества, а каждому выражению языка некоторое отношение объектов этого же множества. Если любое высказывание, которое выведено из аксиом, истинно в области интерпретаций (то есть соответствует реальным отношениям объектов), то эта область называется моделью системы аксиом. Моделирование в математике используется, например, для доказательства непротиворечивости формальных систем.

Этот вид моделирования используется не только в чистой математике, но также при математическом описании природных, общественных, технологических и других сложных систем. Смысл такого описания состоит в том, что отношения между элементами системы выражаются с помощью уравнений, причём так, чтобы каждому термину содержательного описания системы соответствовала какая-либо величина (константа или переменная) или функция, фигурирующая в уравнении. Сами уравнения называются при этом моделью. Как правило, абстрактно-математическое моделирование требует абстракции (см. Абстракция), то есть отвлечения от некоторых свойств и отношений в моделируемой системе. Это позволяет достичь общности модели и утверждать, что она, игнорируя частности, описывает достаточно широкий круг процессов или систем. К тому же без таких упрощений моделирование оказывается бессмысленным ( чрезмерной сложности модели) или вообще невозможным. Другим важным гносеологическим условием моделирования является измеримость всех описываемых объектов и отношений. Чтобы построить модель, необходимо найти их числовое представление. Всякий моделируемый процесс должен быть полностью охарактеризован с помощью параметров, поддающихся измерению.

Другая разновидность моделирования с применением идеальных моделей основана на понятии «чёрный ящик». Этим термином принято называть объект, внутренняя структура которого недоступна для наблюдения и о котором можно судить только по его внешнему поведению, в частности по тому, как он преобразует приходящие на вход сигналы. Если некоторая система слишком сложна, то нет смысла искать её математическое описание. Проще попытаться построить вместо неё другую систему, которая при заданных условиях будет вести себя точно так же. Такое моделирование часто используется при исследовании отдельных систем живых организмов с помощью компьютерной симуляции. Описать работу живого организма уравнениями крайне тяжело или вообще невозможно. Но возможно построить компьютерную схему, которая при подаче на вход определённого стимула давала бы на выходе реакцию, тождественную или близкую к реакции моделируемой системы. Если спектр совпадающих входных и выходных процессов достаточно широк, то можно ожидать, что построенная схема точно воспроизводит исследуемый объект.

Источник

Моделирование бизнеса. Основные подходы

В этой статье я хочу поговорить об основных принципах моделирования бизнеса, о тех подходах, которые применяются в этой сфере, и на основе которых создаются языки моделирования и нотации.

Я уже писал о моделировании при помощи IDEF0 (Знакомство с нотацией IDEF0 и пример использования), об организации работы склада и работе с клиентами от лида до сделки (Внедрение CRM. От регистрации лида до закрытия сделки. Кейс и пояснения), о системе Bizagi (Bizagi. Описание. Пример). И везде я использовал при пояснении примеров и практических решений нотации бизнес-процессов.

С одной стороны, применение схем для наглядности при описании моделей бизнеса в ни у кого не вызывает вопросов. Это действительно очень удобно. С другой стороны, многие бизнесмены и даже мои коллеги недоумевают, зачем нужны специальные нотации и правила для разработки бизнес-процессов, ведь можно в любом графическом редакторе (visio) или при помощи других удобных инструментов просто нарисовать интуитивно понятную схему.

О том, почему так важна стандартизация, а также о том, в каком случае применяется тот или иной подход, я и хочу поговорить.

Основные подходы

Сегодня существует множество различных инструментов для разработки бизнес-моделей, они используют различные языки моделирования, как стандартные, так и какие-то собственные разработки. Но все их можно объединить по принципу работы в три основных подхода:

Функциональное моделирование

Функциональное моделирование рассматривает бизнес как функцию (лат. functio — совершение, исполнение) или иными словами «черный ящик». В функциональной модели функция не имеет временной последовательности, а только точку входа и точку выхода. Функциональное моделирование помогает рассматривать бизнес-модель с с точки зрения результативности, т.е. при моделировании мы исходим из того, что имеем на входе, и того, что желаем получить на выходе.

Например, компания разрабатывает какую-то CRM-систему для своего бизнеса. В случае применения функционального подхода к моделированию уже сама выбранная среда для работы подсказывает, с чего начинать. Точка входа – «входящий интерес клиента или лид», точка выхода – желаемый результат: «покупка и получение лояльного клиента», «получение постоянного клиента», «получение максимум информации о потенциальном клиенте» и т.д.

Таким образом, в функциональной модели изначально известны точка входа и желаемый результат, а последовательность действий и является объектом разработки. При этом использование функциональных моделей как «черных ящиков» позволяет детализировать каждый этап по мере необходимости. А вся работа при моделировании направлена на поиск оптимального решения для достижения цели.

Функциональные модели вы можете также использовать для демонстрации своих идей и вариантов решений. Это также очень удобно, ведь в процессе демонстрации вы можете двигаться от общего к деталя, по мере необходимости разделять и декомпозировать функции. Но декомпозировать вы будете при этом именно функции, и, разделяя одну функцию на несколько, вы не получите описание процесса.

Некоторые путают описание процесса и функциональную модель. Например, в системе Business Studio функцию называют процессом, хоть это и не совсем верно. Все же описание функций и процессный подход – несколько разные вещи. И я лично считаю, что функциональное моделирование оптимально реализовано в нотации IDEFO. Сам я для такого варианта работы использую именно ее, и всем также рекомендую.

Правила работы с IDEFO вы можете подробнее изучить, прочитав мою статью накомство с нотацией IDEF0 и пример использования.

Процессное моделирование (моделирование бизнес процессов)

О процессном моделировании я буду рассказывать с точки зрения нотации BPMN, как одного из наиболее распространенных стандартов процессного моделирования. При этом я полностью согласен, что существует множество языков моделирования и различных систем. И каждый может пользоваться тем, что ему удобнее. Но все же BPMN — это уже сложившийся стандарт процессного моделирования, а потому его я и беру за основу в описании.

Процесс с точки зрения бизнес-модели — это последовательность каких-то событий и действий, которые имеют начало и конец.

В этом кроется основное отличие процессного моделирования от функционального. Функциональное моделирование рассматривает бизнес-модель с точки зрения входа и выхода (имеющихся ресурсов и желаемого результата). А процессное основано на последовательности действий в определенных границах, в случае BPMN это будут начало и конец события.

Все процессы могут разбиваться (детализироваться) на подпроцессы вплоть до детализации на уровне задач, т.е. действий, дальнейшая детализация которых невозможна. Процесс – это некая последовательность действий, которую необходимо выполнить, чтобы получить определенный результат. Необходимо отметить что в модели бизнеса как процесса результат может и не быть явным в отличии от функциональной модели.

Принципиальное отличие процессного моделирования от функционального заключается в том, что при процессном моделировании основное внимание уделяется не тому, что мы хотим получить, а тому, что нужно сделать для получения результата, т.е. не итогам той или иной деятельности, а самой последовательности действий.

Например, в BPWIN или Business Studio в процессе детализации каждой функции происходит переход от функционального подхода к процессному. Т.е. в общем, мы рассматриваем модель с точки зрения – возможностей и желаемого результата, а когда переходим к решениям для каждой функции, здесь уже практикуется явно процессный подход, т.е. пошаговый алгоритм действий для достижения результата.

Представьте себе что в функциональной модели есть «черный ящик» — функция «Принять заказ». А при декомпозировании мы уже рассматриваем ее не как функцию, а как процесс, и последовательность действий при приеме заказа – это уже процессный подход.

Есть и еще одно очень важное отличие. Функциональную модель невозможно использовать при реализации какой-то либо системы, только для проектирования. А процессный подход позволяет создавать исполняемые модели, т.е. описания последовательности действий, которые мы можем в дальнейшем перевести в какую-то среду для создания системы совместной работы предприятия, основанной на процессном подходе.

Ментальный подход (ментальные карты)

При создании ментальных моделей специалист подходит к моделированию не как к процессу или набору функций, а как к некому набору связанных между собой понятий. Для наглядности я приведу пример — ментальная карта понятия “Процедура снабжения” (см. рисунок).

Такой вариант подхода применяется, прежде всего, для себя. Рисование схемы в свободной форме помогает структурировать свои знания, так сказать, “разложить по полочкам” в свободной форме полученную информацию. Также подобные ментальные карты помогают найти решение, которое уже позже, по мере необходимости, будет воплощаться в рамках строгих правил процессного или функционального подхода.

Можно применять ментальные карты и для демонстрации клиентам: и существующей ситуации, и вариантов решения поставленной задачи. Ментальные карты помогут наглядно продемонстрировать, какие методы могут быть использованы, показать в наглядной форме различные идеи.

Плюсы применения таких ментальных карт очевидны:

В результате для понимания модели и заложенных в ней идей требуется присутствие и комментарии ее разработчика (аналитика).

Конечно, существуют очень простые карты, которые интуитивно читаются и без дополнительных комментариев. Но при отсутствии стандартов всегда есть вероятность, что даже в этом случае автор что-то другое имел в виду или где-то недостаточно детализировал свою схему. Т.е. существует вероятность разного прочтения. А бизнес — это не философия. При всей умозрительности и разнообразии подходов к описанию бизнес-процессов, здесь очень важны однозначные решения.

Методология и языки бизнес-моделирования

Очень часто даже в профессиональной литературе возникает путаница, когда люди смешивают понятия методологии анализа работы бизнеса и описания языков бизнес-моделирования.

Методология — это система принципов и стандартов описания бизнес моделей и их последующего анализа. В то время как язык бизнес-моделирования – это не более чем инструмент для разработки моделей бизнеса.

Здесь напрашивается сравнение с программированием вообще и применением конкретного языка программирования. Программирование включает в себя и построение алгоритма, и выбор подходящего языка программирования, и реализацию алгоритма программы в рамках того или иного языка. А, например, программирование на языке Си++ – это уже заведомо ограничение определенными рамками, так как средствами определенного языка можно решить только четко ограниченный круг задач, и, одновременно, даже если задачу можно решить средствами Си++ совсем не обязательно, что именно этот язык будет в конкретном случае оптимальным. В общем, разницу между понятием «программирование» и «программированием в рамках определенного языка», я думаю, большинство понимают даже без таких пояснений.

Отличие языков разработки бизнес-моделей в от языков проектирования систем

Существует целое семейство языков проектирования систем, которые внешне схожи с языками бизнес-моделирования, например, это Ares Studios, целое семейство языков UML и другие, которые используются для проектирования IT-систем.

Основное различие этих языков от языков разработки бизнес-процессов лежит в их предназначении. Если языки проектирования IT-систем рассматривают бизнес-процессы с точки зрения возможности их автоматизации, воплощении в IT-системах, то языки бизнес-моделирования рассматривают последовательность действий именно с точки зрения бизнеса, включая работу как IT-систем, так и сотрудников, движения товаров и т.д.

Соответственно, в языках проектирования систем нет элементов, которые помогут полноценно описать действия подразделений, сотрудников, взаимодействие между ними, работу с поставщиками, общение с клиентами и так далее. Инструменты этой группы языков помогут именно автоматизировать процессы бизнеса, которые поддаются автоматизации. А все остальное будет оставлено «за кадром», например, как некие «функции» без расшифровки.

В то же время языки разработки бизнес-процессов охватывают максимально именно работу бизнеса как такового, а вот те или иные нюансы автоматизации и алгоритмизации систем в них описать далеко не всегда возможно с достаточной степенью детализации.

Преимущества разработки моделей бизнеса

И все же, зачем применять языки бизнес-моделирования, которые налагают строгие ограничения, требуют придерживаться жестко заданных правил при моделировании? Ведь всегда можно «нарисовать схему» в графическом редакторе или даже на бумаге, используя ментальный подход, при этом изучение языков моделирования вообще не потребуется.

На самом деле, стандарты и правила – это огромный плюс:

Применение моделей бизнеса на практике

Лично я считаю, что бизнес-моделирование стоит применять при решении любых задач, связанных с выявлением проблем и «узких мест», с оптимизацией и модернизацией бизнеса и т.д. Как бизнес-консультант я практически всегда строю модели работы компании или ее подразделений при работе со своими клиентами. Это дает четкое понимание всех этапов работы и позволяет избежать «белых пятен» в этом вопросе.

Кроме того, наглядные схемы бизнес-моделей помогают мне в процессе взаимодействия с клиентами. Проекты у меня часто бывают сложными, и обычного текста или устной речи бывает недостаточно для понимания, в то время как использование наглядных бизнес-моделей снижает затраты времени клиента на чтение и понимание моих предложений, и практически исключает проблемы взаимопонимания в этом вопросе. И если несколько лет назад я еще сталкивался с недоумением со стороны клиентов, то сейчас вариант описания «на словах» без наглядных и удобных схем практикуется крайне редко.

А в случае автоматизации какого-либо этапа работы или создания автоматизированной системы управления бизнесом на основе проектно-ориентированного подхода качественная бизнес-модель, выполненная в том или ином языке моделирования, станет готовым руководством для технических специалистов.

Удобство, универсальность, простота восприятия – это те причины, по которым от словесных описаний в бизнес-сфере все больше переходят к бизнес-моделированию. А применение готовых языков позволяет работать с моделями быстро, избегать ошибок, и также без проблем вносить любые изменения.

Также в настоящее время я готовлю к публикации книгу и онлайн курс, в которой подробно опишу собственное видение процессного подхода к бизнесу, а также мой собственный практический опыт работы в сфере функционального и процессного моделирования. Все желающие могут подписаться на уведомление о выходе новой книги по и другие новости ссылке.

Источник

Методы моделирования

Основной метод исследования систем для принятия управленческих решений — метод моделирования, т.е, способ теоретического анализа и практического действия, направленный на разработку и использование моделей.

Прежде чем перейти к рассмотрению понятия модели, этапов, особенностей и проблем моделирования, остановимся на объекте моделирования, а именно на понятии «система».

Сущность и свойства социально-экономических систем как объекта моделирования.Центральное понятие кибернетики — понятие «система». Единого определения этого понятия нет; возможна такая формулировка: система — комплекс взаимосвязанных элементов вместе с отношениями между элементами и между их атрибутами. Исследуемое множество элементов можно рассматривать как систему, если выявлены следующие четыре признака [52]:

■ целостность системы, т.е. принципиальная несводимость свойств системы к сумме свойств составляющих ее элементов;

■ наличие цели и критерия исследования данного множества элементов;

■ наличие более крупной, внешней по отношению к данной системы, называемой «средой»;

■ возможность выделения в данной системе взаимосвязанных частей (подсистем).

Под социально-экономической системойпонимается сложная веро­ятностная динамическая система, охватывающая процессы производства, обмена, распределения и потребления материальных и других благ.

Социально-экономические системы относятся, как правило, к так называемым сложным системам. Сложные системы в экономике обладают рядом свойств, которые необходимо учитывать при их моделировании, иначе невозможно говорить об адекватности построенной экономической модели, т.е. ее соответствии моделируемому объекту или процессу [52].

Свойства сложных систем, которые необходимо учитывать при моделировании:

■ эмерджентность как проявление в наиболее яркой форме свойства целостности системы, т.е. наличие у экономической системы таких свойств, которые не присущи ни одному из составляющих систему элементов, взятому в отдельности. Эмерджентность есть результат возникновения между элементами системы так называемых синергических связей, которые обеспечивают увеличение общего эффекта до величины, большей, чем сумма эффектов элементов системы, действующих независимо. Поэтому социально-экономические системы необходимо исследовать и моделировать в целом;

■ массовый характер экономических явлений и процессов — закономерности экономических процессов не обнаруживаются на основании небольшого числа наблюдений, поэтому моделирование в экономике должно опираться на массовые наблюдения;

■ динамичность экономических процессов, заключающаяся в из­менении параметров и структуры экономических систем под влиянием среды (внешних факторов);

■ случайность и неопределенность в развитии экономических явлений, поэтому экономические явления и процессы носят в основном вероятностный характер и для их изучения необходимо применение экономико-математических моделей на базе теории вероятностей и математической статистики;

■ невозможность изолировать протекающие в экономических системах явления и процессы от окружающей среды, чтобы наблюдать и исследовать их в чистом виде;

■ активная реакция на появляющиеся новые факторы, способность социально-экономических систем к активным, не всегда предсказуемым действиям в зависимости от отношения системы к этим факторам, способам и методам их воздействия.

Выделенные свойства социально-экономических систем, естественно, осложняют процесс их моделирования, однако эти свойства следует постоянно иметь в виду при рассмотрении различных аспектов эконо­мико-математического моделирования, начиная с выбора типа модели и кончая вопросами практического использования результатов моделирования.

Основной метод исследования систем — метод моделирования. Остановимся подробнее на понятии, классификации моделей, процессе моделирования.

Понятие модели, причины использования моделей. Поопределению Шеннона: «Модель — это представление объекта, системы или идеи в некоторой форме, отличной от самой целостности» [32].

Модель — это образ реального объекта (процесса) в материальной или идеальной форме (описанный знаковыми средствами или на каком-либо языке), отражающий существенные свойства моделируемого объекта (процесса) и замещающий его в ходе исследования и управления [52].

Главной характеристикой модели можно считать упрощение реаль­ной жизненной ситуации, к которой она относится. Поскольку форма модели менее сложна, а не относящиеся к делу данные, затуманивающие проблему в реальной жизни, устраняются, модель зачастую повышает способность руководителя к пониманию и разрешению встающих перед ним проблем. Модель также помогает руководителю совместить свой опыт и способность к суждению с опытом и суждениями экспертов.

Существует ряд. причин, обусловливающих использование модели вместо попыток прямого взаимодействия с реальным миром [32].

Сложность организационных ситуаций.Как все школы управления, наука управления стремится быть полезной в разрешении организационных проблем реального мира. Может показаться странным, что воз­можности человека повышаются при взаимодействии с реальностью с помощью ее модели. Но это так, поскольку реальный мир организации исключительно сложен и фактическое число переменных, относящихся к конкретной проблеме, значительно превосходит возможности любого человека, и постичь его можно, лишь упростив реальный мир с помощью моделирования.

Невозможность проведения экспериментов.Встречается множество управленческих ситуаций, в которых необходимо опробовать и экспе­риментально проверить альтернативные варианты решения проблемы. Конечно, руководители фирмы были бы не правы, если бы вложили миллионы долларов в новое изделие, не установив экспериментально, что результат его появления на рынке будет таким, как намечено, и, вероятно, оно будет принято потребителями. Определенные эксперименты в условиях реального мира могут и должны иметь место. При проектировании сложной, высокотехнологичной продукции должен изготавливаться образец, затем проверяться в реальных условиях, и только потом возможно его полномасштабное производство. Но прямое экспериментирование такого типа дорого стоит и требует времени. Здесь на помощь приходят модели.

Кроме того, существуют бесчисленные критические ситуации, когда требуется принять решение, но нельзя экспериментировать в реальной жизни. К примеру, когда фирма «Фольксваген» решила построить производственное предприятие в США, ей пришлось выбирать место с достаточным обеспечением рабочей силой, благоприятными условиями налогообложения и экономически подходящее с точки зрения приемки необходимых материалов и отгрузки готовых автомобилей. Ей пришлось затем определять последовательность сборки многих тысяч деталей модели «Рэббит», выяснять, какие детали завод мог бы производить сам, а какие должны быть куплены, устанавливать необходимые уровни запасов каждой детали. Ясно, что фирма не могла решить эти проблемы, построив в порядке эксперимента в каждом возможном месте по заводу, да еще и по нескольким проектам [32].

Ориентация управления на будущее.Невозможно наблюдать явление, которое еще не существует и, может быть, никогда не будет существовать. Однако многие руководители стремятся рассматривать только реальное и осязаемое, и это в конечном счете должно выразиться в их обращении к чему-то видимому. Моделирование —единственный к настоящему времени систематизированный способ увидеть варианты будущего и определить потенциальные последствия альтернативных решений, что позволяет их объективно сравнивать.

Модели науки управления в наибольшей мере приспособлены к этим целям и как мощное аналитическое средство позволяют преодолевать множество проблем, связанных с принятием решений в сложных ситуациях.

Типы моделей.В настоящее время существует множество используемых современными организациями моделей, а также задач, для решения которых они наиболее пригодны, однако можно выделить три базовых типа моделей. Речь идет о физических, аналоговых и математических моделях [32].

Физическая модельпредставляет то, что исследуется с помощью уве­личенного или уменьшенного описания объекта или системы.

Примеры физической модели — синька чертежа завода, его уменьшенная фактическая модель, уменьшенный в определенном масштабе чертеж проектировщика. Такая физическая модель упрощает визуальное восприятие и помогает установить, сможет ли конкретное оборудо­вание физически разместиться в пределах отведенного для него места, а также разрешить сопряженные проблемы, например размещение дверей, ускоряющее движение людей и материалов.

Автомобильные и авиационные предприятия всегда изготавливают физические уменьшенные копии новых средств передвижения, чтобы проверить определенные характеристики, например аэродинамическое сопротивление. Будучи точной копией, модель должна вести себя аналогично разрабатываемому новому автомобилю или самолету, но при этом ее стоимость много меньше настоящего. Подобным образом строительная компания всегда строит миниатюрную модель, прежде чем начать строительство производственного или административного корпуса или склада.

Аналоговая модельпредставляет исследуемый объект аналогом, который ведет себя как реальный объект, но не выглядит как таковой. График, иллюстрирующий соотношения между объемом производства и издержками, — это аналоговая модель. График показывает, как уровень производства влияет на издержки.

Другой пример аналоговой модели — организационная схема. Выстраивая ее, руководство в состоянии легко представить себе цепи прохождения команд и формальную зависимость между индивидами и деятельностью. Такая аналоговая модель явно более простой и эффективный способ восприятия и определения сложных взаимосвязей структуры крупной организации, чем, скажем, составление перечня взаимосвязей всех работников.

Задачи экономико-математического моделирования.Практические задачи экономико-математического моделирования таковы:

■ анализ экономических объектов и процессов;

■ экономическое прогнозирование, предвидение развития экономических процессов;

■ выработка управленческих решений на всех уровнях хозяйственной иерархии.

Следует, однако, иметь в виду, что далеко не во всех случаях данные, полученные в результате экономико-математического моделирования, могут использоваться непосредственно как готовые управленческие решения. Они скорее могут быть рассмотрены как «консультирующие» средства. Принятие управленческих решений остается за человеком. Таким образом, экономико-математическое моделирование лишь один из компонентов (пусть очень важный) в человеко-машинных системах планирования и управления экономическими системами.

Процесс построения модели.Построение модели — это процесс, имеющий определенные основные этапы [32].

Постановка задачи.Первый и наиболее важный этап построения модели, способный обеспечить правильное решение управленческой проблемы, состоит в постановке задачи. Правильное использование математики или компьютера не принесет никакой пользы, если сама проблема не будет точно диагностирована. Как заметил К. Э. Шеннон: «Альберт Эйнштейн однажды сказал, что правильная постановка задачи важнее даже, чем ее решение. Для нахождения приемлемого или оптимального решения задачи нужно знать, в чем она состоит. Как ни просто и прозрачно данное утверждение, чересчур многие специалисты в науке управления игнорируют очевидное. Миллионы долларов расходуются ежегодно на поиск элегантных и глубокомысленных ответов на неверно поставленные вопросы».

Из того только, что руководитель осведомлен о наличии проблемы как таковой, вовсе не следует факт идентификации истинной проблемы. Руководитель обязан уметь отличать симптомы от причин. Рассмотрим для примера фармацевтическую компанию, получавшую множество жалоб от аптек на задержки с выполнением их заказов. Истинная проблема была, как оказалось, не в самой задержке. Изучение вопроса показало, что заказы задерживаются из-за производственных затруднений на трех химических предприятиях фирмы, вызванных нехваткой исходных химических реагентов и запасных частей к оборудованию, что в свою очередь было обусловлено некачественным прогнозированием потребности в материалах и запасных частях.

Построение модели.После правильной постановки задачи следующий этап процесса — построение модели. Разработчик должен определить главную цель модели, а также какие выходные нормативы или информацию предполагается получить, используя модель, чтобы помочь руководству разрешить стоящую перед ним проблему. Если продолжить приведенный выше пример, нужная выходная информация должна представлять точные нормативы времени и количества подлежащих заказу исходных материалов и запасных частей. В дополнение к постановке главных целей специалист по науке управ­ления должен определить, какая информация требуется для постро­ения модели, удовлетворяющей этим целям и выдающей на выходе нужные сведения. В нашем случае необходимой информацией будет точный прогноз потребности по каждому исходному реагенту, сведения о характере закупаемых материалов для каждого вида продукции, ожидаемой долговечности деталей оборудования, сроке службы каждой детали и т.п.

Может случиться, что эта необходимая информация разбросана по многим источникам.

К другим факторам, требующим учета при построении модели, следует отнести расходы и реакцию людей. Модель, которая стоит больше, чем вся задача, требующая решения с помощью модели, конечно, не внесет никакого вклада в достижение целей организации. Подобным образом, излишне сложная модель может быть воспринята конечными пользователями как угроза и отвергнута ими.

Таким образом, для построения эффективной модели руководителям и специалистам по науке управления следует работать вместе, взаимно увязывая потребности каждой стороны.

Проверка модели на достоверность.После построения модели ее следует проверить на достоверность. Один из аспектов проверки заключается в определении степени соответствия модели реальному миру. Специалист по науке управления должен установить, всели существенные компоненты реальной ситуации встроены в модель. Это, конечно, может оказаться непростым делом. Проверка многих моделей управления показала, что они несовершенны, поскольку не охватывают всех релевантных переменных. Естественно, чем лучше модель отражает реальный мир, тем выше ее потенциал как средства оказания помощи руководителю в принятии хорошего решения. Однако модель не должна быть сложной в использовании.

Второй аспект проверки модели связан с установлением степени, в которой информация, получаемая с ее помощью, действительно помогает руководству решить проблему.

Продолжим наш пример. Если модель для фармацевтической фирмы действительно снабдила руководство достоверной информацией о том, как часто и в каких количествах следует заказывать материалы и запасные части, ее можно считать полезной, поскольку выходная информация позволит руководству принять эффективные корректирующие меры в отношении задержек поставок.

Хороший способ проверки модели заключается в опробовании ее на ситуации из прошлого. Фармацевтическая фирма могла бы приложить свою модель к разрешению проблемы запасов за последние три года. Если модель точна, решение проблемы запасов с использованием конкретных количественных и временных показателей должно выявить конкретные причины, приведшие к задержкам. Руководство могло бы также определить, смогла ли полученная на модели информация (если бы ее удалось получить) помочь в разрешении производственных трудностей и ликвидации задержек.

Применение модели.После проверки на достоверность модель готова к использованию. Это кажется очевидным, но зачастую этот этап оказывается одним из самых тревожных моментов построения модели. Согласно обследованию отделов, анализирующих операции на корпоративном уровне, лишь около 60 % моделей науки управления были использованы в полной или почти полной мере. В других обследованиях также установлено, что финансовые руководители американских корпораций и западно-европейские управляющие маркетингом недостаточно широко используют модели для принятия решений. Основная причина недоиспользования моделей руководителями, возможно, заключается в том, что они их опасаются или не понимают.

Если модели науки управления создаются специалистами штабных служб (а так обычно и бывает), линейные руководители, для которых они предназначены, должны принимать участие в постановке задачи и определении требований по информации, получаемой благодаря модели. Согласно исследованиям, когда это имеет место, применение моделей увеличивается на 50 %. Кроме того, руководителей следует научить использовать модели, объяснив среди прочего, как модель функционирует, каковы ее потенциальные возможности и ограничения.

Обновление модели.Даже если применение модели оказалось успешным, почти наверняка она потребует обновления. Руководство может обнаружить, что форма выходных данных неясна или желательны дополнительные данные. Если цели организации изменяются таким образом, что это влияет на критерии принятия решений, модель необходимо соответствующим образом модифицировать. Аналогичным образом, изменение во внешнем окружении, например появление новых потребителей, поставщиков или технологии, может обесценить до­пущения и исходную информацию, на которых основывалась модель при построении.

Этапы процесса экономико-математического моделирования.Перейдем теперь непосредственно к процессу экономико-математического моделирования, т.е. описания экономических и социальных систем и процессов в виде экономико-математических моделей. Эта разновидность моделирования обладает рядом существенных особенностей, связанных как с объектом моделирования, так и с применяемыми аппаратом и средствами моделирования, поэтому целесообразно более детально проанализировать последовательность и содержание его этапов [52].

Постановка экономической проблемы и ее качественный анализ.На этом этапе требуется сформулировать сущность проблемы, принимаемые предпосылки и допущения. Необходимо выделить важнейшие черты и свойства моделируемого объекта, изучить его структуру и взаимосвязь его элементов, хотя бы предварительно сформулировать гипотезы, объясняющие поведение и развитие объекта.

Построение математической модели.Это этап формализации эконо­мической проблемы, т.е. выражения ее в виде конкретных математических зависимостей (функций, уравнений, неравенств и др.). Процесс построения модели проходит в свою очередь несколько стадий. Сначала определяется тип экономико-математической модели, изучаются возможности ее применения в данной задаче, уточняются конкретный перечень переменных и параметров и форма связей. Для некоторых сложных объектов целесообразно строить несколько разноаспектных моделей. При этом каждая модель выделяет лишь некоторые стороны объекта, а другие стороны учитываются агрегированно и приближенно.

Оправдано стремление построить модель, относящуюся к хорошо изученному классу математических задач, что может потребовать некоторого упрощения исходных предпосылок модели, не искажающего основных черт моделируемого объекта. Однако возможна и такая ситуация, когда формализация проблемы приводит к неизвестной ранее математической структуре.

Математический анализ модели.На этом этапе чисто математическими приемами исследования выявляются общие свойства модели и ее решения. В частности, важный момент — доказательство существования решения сформулированной задачи. При аналитическом исследовании выясняется, единственно ли решение, какие переменные могут входить в решение, в каких пределах они изменяются, каковы

тенденции их изменения и т.д. Однако модели сложных экономических объектов с большим трудом поддаются аналитическому исследованию. В таких случаях переходят к численным методам исследования.

Подготовка исходной информации.В экономических задачах это, как правило, наиболее трудоемкий этап моделирования, так как дело не сводится к пассивному сбору данных. Математическое моделирование предъявляет жесткие требования к системе информации. Кроме того, надо принимать во внимание не только принципиальную возможность подготовки информации требуемого качества, но и затраты на подготовку информационных массивов.

В процессе подготовки информации используются методы теории вероятностей, теоретической и математической статистики для организации выборочных обследований, оценки достоверности данных и т.д. При системном экономико-математическом моделировании результаты функционирования одних моделей служат исходной информацией для других.

Численное решение.Этот этап включает разработку алгоритмов численного решения задачи, подготовку программ на ЭВМ и непосредственное проведение расчетов; при этом значительную трудность составляет большая размерность экономических задач. Обычно расчеты на основе экономико-математической модели носят многовариантный характер. Многочисленные модельные эксперименты, изучение пове­дения модели при различных условиях возможно проводить благодаря быстродействию современных ЭВМ. Численное решение существенно дополняет результаты аналитического исследования, а для многих моделей — единственно возможное.

Анализ численных результатов и их применение.На этом этапе прежде всего решается важнейший вопрос о правильности и полноте результатов моделирования и применимости их как в практической деятельности, так и в целях усовершенствования модели, поэтому в первую очередь должна быть проведена проверка адекватности модели по тем свойствам, которые выбраны в качестве существенных. Другими словами, должны быть произведены верификация (проверка правильности структуры модели) и ее валидация (проверка соответствия данных, полученных на основе модели, реальному процессу).

Перечисленные этапы экономико-математического моделирования находятся в тесной взаимосвязи, в частности могут иметь место возвратные связи этапов. Так, на этапе построения модели может выясниться, что постановка задачи или противоречива, или приводит к слишком сложной математической модели. В этом случае исходная постановка задачи должна быть скорректирована.

По степени агрегирования объектов моделирования модели делятся на макроэкономические и микроэкономические, хотя между ними и нет четкого разграничения. К первым из них относят модели, отражающие функционирование экономики как единого целого, в то время как мик­роэкономические модели связаны, как правило, с такими звеньями эко­номики, как предприятия и фирмы.

По конкретному предназначению, т. е. по цели создания и применения, выделяют:

■ балансовые модели, выражающие требование соответствия наличия ресурсов и их использования;

■ трендовые модели, в которых развитие моделируемой экономической системы отражается через тренд (длительную тенденцию) ее основных показателей;

■ оптимизационные модели, предназначенные для выбора наилучшего варианта из определенного числа вариантов производства, распределения или потребления;

■ имитационные модели, предназначенные для использования в процессе машинной имитации изучаемых систем или процессов, и др.

По типу информации, используемой в модели, экономико-математические модели делятся на аналитические, построенные на априорной информации, и идентифицируемые, построенные на апостериорной информации.

По учету фактора времени модели подразделяются на статические, в которых все зависимости отнесены к одному моменту времени, и ди­намические, описывающие экономические системы в развитии.

По учету фактора неопределенности модели делятся на детермини­рованные, если в них результаты на выходе однозначно определяются управляющими воздействиями, и стохастические (вероятностные), если при задании на входе модели определенной совокупности значений на ее выходе могут получаться различные результаты в зависимости от дей­ствия случайного фактора.

По типу математического аппарата, используемого в модели, т.е. по характеристике математических объектов, включенных в модель, могут быть выделены матричные модели, модели линейного и нелинейного программирования, корреляционно-регрессионные модели, модели теории массового обслуживания, модели сетевого планирования и управления, модели теории игр и т.д.

По типу подхода к изучаемым социально-экономическим системам вы­деляют дескриптивные и нормативные модели. При дескриптивном

(описательном) подходе получают модели, предназначенные для описания и объяснения фактически наблюдаемых явлений или для прогноза этих явлений. В качестве примера дескриптивных моделей можно привести названные ранее балансовые и трендовые модели. При нормативном подходе интересуются не тем, каким образом устроена и развивается экономическая система, а тем, как она должна быть устроена и как должна действовать согласно определенным критериям.

Проблемы моделирования.Как все средства и методы, модели науки управления в случае их применения могут привести к ошибкам. Эффек­тивность модели иногда снижается действием ряда потенциальных по­грешностей.

Недостоверные исходные допущения.Любая модель опирается на не-которые исходные допущения, или предпосылки. Это могут быть под­дающиеся оценке предпосылки, например то, что расходы на рабочую силу в следующие шесть месяцев составят 200 тыс. долл. Такие предположения можно объективно проверить и просчитать. Вероятность их точности будет высока. Некоторые предпосылки не поддаются оценке и не могут быть объективно проверены. Предположение о росте сбыта в будущем году на 10 % — пример допущения, не поддающегося проверке. Никто не знает наверняка, произойдет ли это действительно. Поскольку такие предпосылки — основа модели, точность последней зависит от точности предпосылок. Модель нельзя использовать для прогнозирования, например, потребности в запасах, если неточны прогнозы сбыта на предстоящий период.

В дополнение к допущениям по поводу компонентов модели руководитель формулирует предпосылки относительно взаимосвязей внутри нее. К примеру, модель, предназначенная помочь решить, сколько галлонов краски разных типов следует производить, должна, вероятно, включать допущение относительно зависимости между продажной ценой и прибылью, а также стоимостью материалов и рабочей силы. Точность модели зависит также от точности этих взаимосвязей.

Информационные ограничения.Основная причина недостоверности предпосылок и других затруднений — ограниченные возможности в получении нужной информации, которые влияют и на построение, и на использование моделей. Точность модели определяется точностью информации по проблеме. Если ситуация исключительно сложна, специалист по науке управления может быть не в состоянии получить информацию по всем релевантным факторам или встроить ее в модель. Если внешняя среда подвижна, информацию о ней следует обновлять быстро, но это может быть нереализуемо или непрактично.

Иногда при построении модели игнорируются существенные аспекты, поскольку они не поддаются измерению. Например, модель определения эффективности новой технологии будет некорректной, если в нее встроена только информация о снижении издержек в соответствии с увеличением специализации. В общем, построение модели наиболее затруднительно в условиях неопределенности. Когда необходимая информация настолько неопределенна, что ее трудно получить исходя из критерия объективности, руководителю, возможно, целесообразнее положиться на свой опыт, способность к суждению, интуицию и помощь консультантов.

Страх пользователей.Модель нельзя считать эффективной, если ею не пользуются. Основная причина неиспользования модели заключается в том, что руководители, которым она предназначена, могут не вполне понимать получаемые с помощью модели результаты и потому боятся ее применять. Для борьбы с этим возможным страхом специалистам по количественным методам анализа следует значительно больше времени уделять ознакомлению руководителей с возможностями и порядком использования моделей. Руководители должны быть подготовлены к применению моделей, а высшему руководству следует подчеркивать, насколько успех организации зависит от моделей и как они повышают способность руководителей эффективно планировать и контролировать работу организации.

Слабое использование на практике.Согласно ряду исследований уровень методов моделирования в рамках науки управления превосходит уровень использования моделей. Как указывалось выше, одна из причин такого положения дел — страх. Другими причинами могут быть недостаток знаний и сопротивление переменам. Данная проблема подкрепляет желательность того, чтобы на стадии построения модели штабные специалисты привлекали к этому пользователей. Когда люди имеют возможность обсудить и лучше понять вопрос, метод или предполагаемое изменение, их сопротивление обычно снижается.

Чрезмерная стоимость.Выгоды от использования модели, как и других методов управления, должны с избытком оправдывать ее стоимость. При установлении издержек на моделирование руководству следует учи­тывать затраты времени руководителей высшего и низшего уровней на построение модели и сбор информации, расходы, время на обучение, стоимость обработки и хранения информации.

Основные модели, используемые для разработки управленческих реше­ний.Существует огромное множество конкретных моделей, используемых для разработки управленческих решений. Их число также велико,

как и число проблем, для разрешения которых они были разработаны [1, 10, 14,22,41,52].

В общем виде в составе экономико-математических моделей можно выделить следующие:

■ модели линейного программирования;

■ оптимальные экономико-математические модели (имитационные модели, модели сетевого планирования и управления);

■ модели анализа динамики экономических процессов;

■ модели прогнозирования экономических процессов (трендовые модели на основе кривых роста, адаптивные модели прогнозирования);

■ прочие прикладные модели экономических процессов (модель спроса и предложения, модели управления запасами, модели теории массового обслуживания, модели теории игр).

Рассмотрим подробнее некоторые из перечисленных моделей, наиболее часто использующиеся в практике управления.

Модели теории игр.Одна из важнейших переменных, от которой зависит успех организации, — конкурентоспособность. Очевидно, способность прогнозировать действия конкурентов означает преимущество для любой организации.

Теория игр — это метод моделирования воздействия принятого решения на конкурентов.

Теорию игр изначально разработали военные с тем, чтобы в стратегии можно было учесть возможные действия противника. В бизнесе игровые модели используются для прогнозирования реакции конкурентов на изменение цен, новые кампании поддержки сбыта, предложения дополнительного обслуживания, модификацию и освоение новой продукции. Если, например, с помощью теории игр руководство устанавливает, что при повышении цен конкуренты не сделают того же, оно, вероятно, должно отказаться от этого шага, чтобы не попасть в невыгодное положение в конкурентной борьбе.

Теория игр используется не так часто, как другие описываемые здесь модели, так как ситуации реального мира зачастую очень сложны и настолько быстро изменяются, что невозможно точно спрогнозировать, как отреагируют конкуренты на изменение тактики фирмы. Тем не менее теория игр полезна, когда требуется определить наиболее важные и требующие учета факторы в ситуации принятия решений в условиях конкурентной борьбы. Эта информация важна, поскольку позволяет руководству учесть дополнительные переменные или факторы, могущие повлиять на ситуацию, и тем самым повышает эффективность решения [32].

■ на размещение заказов;

■ потери, связанные с недостаточным уровнем запасов.

Последние имеют место при исчерпании запасов. В этом случае продажа готовой продукции или предоставление обслуживания невозможно, кроме того, возникают потери от простоя производственных линий, в частности в связи с необходимостью оплаты труда работников, хотя они не работают в данный момент.

Поддержание высокого уровня запасов избавляет от потерь. Закупка в больших количествах материалов, необходимых для создания запасов, во многих случаях сводит к минимуму издержки на размещение заказов, поскольку фирма может получить соответствующие скидки и снизить объем «бумажной работы». Однако эти потенциальные выгоды перекрываются дополнительными издержками — расходами на хранение, перегрузку, выплату процентов, затратами на страхование, потерями от порчи, воровства и дополнительными налогами.

Кроме того, руководство должно учитывать возможность связывания оборотных средств избыточными запасами, что препятствует вложению капитала в приносящие прибыль акции, облигации или банковские депозиты. Разработано несколько специфических моделей, помогающих руководству установить, когда и сколько материалов заказывать в запас, какой уровень незавершенного производства и запаса готовой продукции поддерживать [32].

Дата добавления: 2017-02-20 ; просмотров: 8810 ; ЗАКАЗАТЬ НАПИСАНИЕ РАБОТЫ

Источник