Ситуационное моделирование в управлении проектами. Моделирование операций в управление проектами. Выходные данные учебного пособия
Одной из особенностей современной управленческой науки является использование моделей. Как отмечают М. Мескон, М. Альберт и Ф. Хедоури, наиболее заметный и, возможно, наиболее значительный вклад школы научного управления заключается в разработке моделей, позволяющих принимать объективные решения в ситуациях, слишком сложных для простой причинно-следственной оценки альтернатив.
По определению Р. Е. Шеннона, «модель – это представление объекта, системы или идеи в некоторой форме, отличной от самой целостности». В этом смысле все теории управления, по сути, являются моделями работы организации или какой-либо ее подсистемы. Основной характеристикой модели является упрощение реальной ситуации, к которой она применяется. После создания модели переменным задаются количественные значения. Это позволяет объективно сравнить и описать каждую переменную и отношения между ними.
Причины, обусловливающие активное использование метода моделирования:
Естественная сложность многих организационных ситуаций;
Невозможность проведения экспериментов в реальной жизни, даже когда они необходимы;
Ориентация руководства на будущее.
Таким образом, моделирование ситуаций является мощным аналитическим инструментом, позволяющим преодолевать множество проблем, связанных с принятием решений в сложных ситуациях.
Основные этапы построения модели:
1. Уточнение постановки задачи.
2. Формулирование законов, связывающих основные параметры объекта.
3. Запись в математических выражениях сформулированных закономерностей.
4. Исследование модели на основе сопоставления фактических показателей деятельности с расчетными по модели (теоретический и/или экспериментальный анализ).
5. Накопление данных об изучаемом объекте и корректировка модели с целью введения дополнительных факторов, ограничений и критериев.
6. Применение модели для решения задач управления объектом.
7. Развитие и совершенствование модели.
При моделировании управленческой ситуации могут применяться три базовых типа моделей: физические, аналоговые и математические модели.
Физическая модель позволяет что-либо исследовать с помощью увеличенного или уменьшенного описания объекта или системы. Например, уменьшенный в определенном масштабе чертеж проектировщика.
Аналоговая модель представляет исследуемый объект аналогом, который ведет себя как реальный объект, но не выглядит как таковой. Например, график, иллюстрирующий соотношения между объемом производства и издержками, или организационная схема предприятия.
Математическая (символическая) модель использует символы для описания свойств или характеристик объекта или события. Вероятно, этот тип моделей чаще всего используется при принятии организационных решений.
В 1930-е гг. ХХ в. на стыке математики, статистики и экономической теории возник новый раздел экономической науки – эконометрика. Методы эконометрического анализа были быстро востребованы управленческой теорией.
Эконометрика – научная дисциплина, предметом которой является изучение количественной стороны экономических явлений и процессов средствами математического и статистического анализа.
Главным инструментом эконометрики является эконометрическая модель, задачей которой является проверка экономических теорий на фактическом материале при помощи методов математической статистики. Среди ее конечных прикладных задач в управлении выделяют две: прогноз развития управленческой ситуации и имитацию различных возможных сценариев ее развития.
При построении эконометрической модели применяются такие методы анализа, как регрессионный анализ, анализ временных рядов, системы одновременных уравнений, а также другие методы и инструментарий теории вероятностей и экономической статистики.
В наиболее общем виде любую эконометрическую модель, построенную в виде системы линейных уравнений, можно записать так:
где y – вектор текущих значений эндогенных переменных модели;
А – матрица коэффициентов взаимодействий между текущими значениями эндогенных переменных модели;
Z – матрица коэффициентов влияния запаздывающих (лаговых) переменных модели на текущие значения эндогенных и моделируемых показателей;
C – матрица коэффициентов внешних воздействий;
х – вектор значений экзогенных показателей модели;
t – индекс временного периода;
I – индекс запаздывания (лага);
p – продолжительность максимального лага.
Число различных конкретных моделей, применяемых в управлении, так же велико, как и число проблем, для разрешения которых они были разработаны. Наиболее распространенными типами моделей, используемых при анализе, разработке решения и прогнозировании развития управленческого процесса, являются: теория игр, модель теории очередей, модель управления запасами, модель линейного программирования и имитационное моделирование.
Теория игр – это метод моделирования оценки воздействия принятого решения на конкурентов. Это математический метод изучения оптимальных тратегий в играх, или анализ принятия оптимальных решений в условиях конфликта. В данном случае конфликт и игра являются своего рода математическими синонимами. Под игрой понимается процесс, в котором участвуют две или более стороны, ведущие борьбу за реализацию своих интересов.
Большой вклад в разработку теории игр внес американский математик Джон Нэш . До Дж. Нэша математики занимались так называемыми играми с нулевой суммой, в которых выигрыш одной стороны равен проигрышу другой. Дж. Нэш разработал методологию анализа игр с ненулевой суммой – класса игр, в которых сумма выигрыша выигравших участников не равна сумме проигрыша проигравших участников. Примером игры с ненулевой суммой могут быть переговоры об увеличении зарплаты между профсоюзом и руководством компании. Такая конфликтная ситуация может завершиться либо длительной забастовкой, в которой пострадают обе стороны, либо достижением взаимовыгодного соглашения. Также Дж. Нэш математически смоделировал ситуацию, при которой обе стороны используют идеальную стратегию, что и приводит к созданию устойчивого равновесия.
Практическое применение теории игр позволяет, с одной стороны, прогнозировать действия конкурентов организации, а с другой – дает возможность преодоления внутриорганизационных конфликтов путем их моделирования с учетом всех составляющих. Поскольку реальные управленческие ситуации очень сложны и быстро изменяются, теория игр используется не так часто, как другие описываемые модели. Тем не менее она необходима, когда требуется определить наиболее важные и требующие учета факторы в ситуации принятия решений в условиях конкурентной борьбы.
Модель теории очередей , или модель оптимального обслуживания , используется для определения оптимального числа каналов обслуживания по отношению к потребности в них. Модели очередей являются инструментом определения оптимального числа каналов обслуживания, которые необходимо иметь, чтобы сбалансировать издержки в случаях чрезмерно малого и чрезмерно большого их количества. К ситуациям, в которых применима эта модель, относятся, например, ожидание клиентами банка свободного кассира, ожидание в очереди на машинную обработку данных, мастеров по ремонту оборудования и т. д.
Модель управления запасами используется для определения времени размещения заказов на ресурсы и их количества, а также массы готовой продукции на складах. Цель данной модели заключается в сведении к минимуму отрицательных последствий накопления запасов, выражающихся в определенных издержках. Эти издержки бывают трех основных видов: на размещение заказов, на хранение, а также потери, связанные с недостаточным уровнем запасов.
Модель линейного программирования применяют для определения оптимального способа распределения дефицитных ресурсов при наличии конкурирующих потребностей. Линейное программирование обычно используют специалисты штабных подразделений для разрешения производственных трудностей.
Согласно опросам, наибольшей популярностью у практикующих менеджеров пользуются модели линейного программирования и управления запасами.
Поскольку все рассмотренные модели являются «заменителями реальности», они подразумевают применение имитации. Но имитация как метод моделирования обозначает процесс создания модели и ее экспериментальное применение для определения изменений реальной ситуации. Как правило, имитация используется в тех ситуациях, которые оказываются слишком сложными для математических методов типа линейного программирования. Это связано с большим числом переменных, трудностью математического анализа определенных зависимостей между переменными или высоким уровнем неопределенности.
Одной из форм построения модели является экономический анализ. Типичной «экономической моделью» считается анализ безубыточности.
Специфическим методом моделирования является нейро-лингвистическое моделирование . В то же время NLP не совсем количественный метод. Он основан на механизмах и способах моделирования субъективного опыта людей. Основные задачи NLP – моделировать специфические или исключительные способности для их последующего усвоения другими людьми. NLP-моделирование достаточно часто применяется в менеджменте персонала, например при построении эффективных коммуникаций.
Методы принятия решений. Теория принятия решений ставит своей целью повышение рациональности управленческих решений. Эта теория может рассматриваться как дальнейшее развитие исследования операций. Предметом теории управленческих решений является сам процесс принятия решений, формирование принципов выбора, выработка критериев оценки и способов выбора решений, в наибольшей степени соответствующих поставленным целям.
Практически любой используемый в управлении метод принятия решений технически можно рассматривать как разновидность моделирования. Однако традиционно термин «модель» относится только к методам общего характера. В дополнение к моделированию, существует ряд методов, помогающих принять объективно обоснованное решение по выбору среди нескольких альтернатив
той, которая в наибольшей мере способствует достижению целей организации. В этом смысле основными методами принятия решений являются платежная матрица и дерево решений.
Платежная матрица
представляет собой один из методов статистической теории решений. Этот метод помогает руководителю в выборе одного из нескольких вариантов решений. Например, в выборе стратегии, в наибольшей мере способствующей достижению целей.
Дерево решений представляет собой метод, используемый для выбора наилучшего направления действий из имеющихся вариантов. Дерево решений – это схематичное представление проблемы принятия решений. Так же как и платежная матрица, дерево решений дает руководителю возможность «учесть различные направления действий, соотнести с ними финансовые результаты, скорректировать их в соответствии с приписанной им вероятностью, а затем сравнить альтернативы». С этой точки зрения неотъемлемой частью метода дерева решений является концепция ожидаемого значения. В наибольшей степени этот инструмент применим для принятия последовательных решений.
Необходимо подчеркнуть, что представленные в этой главе методы представляют далеко не полный перечень количественных методов исследования, применяемых в рамках современной управленческой науки. Однако они дают общее представление о различных классах (типах) исследовательских методов и методов принятия решений.
Таким образом, количественный подход к управлению заключается в применении статистических методов, моделей оптимизации, информационных моделей и методов компьютерного моделирования. Использование различных методов, разработанных в рамках количественного подхода, позволяет значительно повысить качество принимаемых решений на основе использования научного подхода, моделирования ситуаций и системной ориентации исследования.
______________________________________________________________________________________________________________________
Мескон М., Альберт М., Хедоури Ф. Основы менеджмента: пер. с англ. Москва: Дело, 2005. С. 226.
Айвазян С. А. Основы эконометрики. Москва: ЮНИТИ, 2001. С. 19–20.
Мескон М., Альберт М., Хедоури Ф. Основы менеджмента: пер. с англ. Москва: Дело, 2005. С. 236.
Мескон М., Альберт М., Хедоури Ф. Основы менеджмента: пер. с англ. Москва: Дело, 2005. С. 241–242.
Выходные данные учебного пособия:
История менеджмента: учебное пособие / Е. П. Костенко , Е. В. Михалкина ; Южный федеральный университет. - Ростов-на- Дону: Издательство Южного федерального университета, 2014. - 606 с.
Основные определения в управлении проектами. Контроль за ходом выполнения проекта. Организационные структуры. Сетевой график. Временные модели. Управление ресурсами. Отслеживание хода выполнения проекта. График Ганга (Gantt Chart). Графики ранних/поздних сроков начала работ (Early-Start/Late Start Schedules). Матричный проект (Matrix Project). Метод критического пути (Critical Path Method - СРМ). Метод оценки и пересмотра программ (Program Evaluation and Report Technique - PERT). Модель типа «время - затраты» (Time-Cost Model). Обособленный проект (Pure Project). Структура работ проекта (Work Breakdown Structure - WBDS). Управление проектами (Project Management). Функциональный проект (Functional Project). Моделирование разработки продукта и выбор технологического про-цесса в производственной сфере Проектирование продукции. Проектирование производственного потока. Анализ процесса. Критерии совершенства процесса создания продукта. Анализ безубыточности (Break-Even Analysis). Виртуальная фабрика (Virtual Factory) Карта технологического процесса. (PROCESS FLOW DIAGRAM). Матрица «домик качества» (House of Quality). Непрерывный поток (Continuous Flow). Показанное производство (Job Shop). Продуктово-процессная матрица (Product-Process Matrix). Функционально-стоимостный анализ (Value Analysis/Value Engineering). Технологии в производстве. Интегрированные производственные системы. Технологии в сфере услуг. Оценка окупаемости инвестиций в технологии. Автоматизированные системы планирования и управления производством (Automated Manufacturing Planning and Control Systems - MP&CS). Автомати-зированные системы подачи материалов (Automated Materials Handling Systems -АМН). Гибкие производственные системы (Flexible Manufacturing Systems - FMS). Интегрированные производственные системы (Computer-Integrated Manufacturing - CIM). Офисная автоматизация (Office Automation). Система автоматизированного проектирования (Computer-Aided Design - CAD). Системы клиент/сервер (Client/Server Systems). Системы принятия решений и экспертные системы (Decision Support and Expert Systems). Системы распознавания образов (Image Processing Systems. Электронный обмен данными (Electronic Data Interchange - EDI). МОДУЛЬ 3 «МОДЕЛИ ПРОЕКТИРОВАНИЯ УСЛУГ И ВЫБОР ПРОЦЕССА ОБСЛУЖИВАНИЯ» Сущность услуг. Операционная классификация услуг. Проектирование сервисных организаций. Структуризация сервисных контактов. Три типа сервисных систем. Обслуживание в среде клиента (Field-Based Services). Обслуживание в среде сервисного предприятия (Facilities-Based Services). Пакет услуг (Service Package). Сервисные гарантии (Service Guarantees). Сервисный план (Service Blueprint). Сервис-системная матрица (Service-System Design Matrix). Фокусирование сервиса (Service Focus). Моделирование управления очередями Экономическая сущность проблемы очередей. Система массового обслуживания. Модели очередей. Компьютерное моделирование очередей. Интенсивность входящего потока (Arrival Rate). Интенсивность обслуживания (Service Rate). Конечная очередь (Finite Queue). Многоканальная, многофазовая струк-тура (Multichannel, Multiphase). Одноканальная, однофазовая структура (Single Channel, Single Phase). Очередь (Queue). Распределение Пуассона (Poisson Distribution). Система массового обслуживания (Queuing System). Экспоненциальное распределение (Exponential Distribution). Моделирование управления качеством Требования к качеству и затраты на обеспечение качества. Непрерывность улучшений. Система Шинто. Всеобщее управление качеством (Total Quality Management - TQM). Затраты на обеспечение качества (Cost of Quality - COQ). Качество проекта (Design Quality). Качество у истока (Quality at the Source). Непрерывность улучшений (Continuous Improvement - CI). «Нуль-дефекты» (Zero Defects). Определение эталона (Benchmarking). Показатели качества (Dimensions of Quality). Процедура Poka-Yoke. Соответствие качества (Conformance Quality). Стандарты ISO 9000. Цикл «планирование - выполнение - проверка - реакция» (PDCA Cycle - Plan-Do-Check-Act). МОДУЛЬ 4 «МОДЕЛИРОВАНИЕ ПРОИЗВОДСТВЕННЫХ МОЩНОСТЕЙ И ТРУДОВОГО ПРОЦЕССА» Стратегическое планирование мощностей. Гибкость мощности (Capacity Flexibility). Дерево решений (Decision Tree). Коэффициент загрузки мощности (Capacity Utilization Rate). Производственная мощность (Capacity). Резерв мощ-ности (Capacity Cushion). Стратегическое планирование мощности (Strategic Capacity Planning). Фокусирование мощности (Capacity Focus). Эффект масштаба производства (Economies of Scope). Производственные системы «точно в срок» (JIT) Логика JIT. Японский подход к производительности. Североамериканские варианты JIT. Требования к системе JIT. JIT в сфере обслуживания. Автомати-ческий контроль качества (Automated Inspection). Всеобщий контроль качества (Total Quality Control - TQC). «Вытягивающая» (тянущая) производственная система «Канбан» (Kanban Pull System). Групповая технология (Group Technology). Качество у истока (Quality at the Source). Кружки качества (Quality Circles). Метод «замороженного окна» (Freeze Window). Предупредительное обслуживание и ремонт оборудования (Preventive Maintenance). Сеть специализированных заводов (Focused Factory Network). Система «точно в срок» (Just-In-Time - JIT). Ступенчатый график (Level Schedule). Управление «снизу-вверх» (Bottom-Round Management). Размещение производственных и сервисных объектов Критерии размещения производственных объектов. Методы размещения промышленных предприятий. Размещение объектов сервиса. Аналитическая модель Дельфи (Analytic Delphi model). Метод «центра тяжести» (Center of gravity method). Регрессионная модель (Regression model). «Фактор-рейтинговые» системы (Factor-rating systems). Эвристический метод Ардалана (Ardalan Heuristic Method). Размещение оборудования и планировка помещений Основные способы размещения оборудования. Размещение оборудования по технологическому принципу. Размещение производства по предметному принципу. Балансирование сборочной линии (Assembly-Line Balancing). Метод системной планировки размещения оборудования (Systematic Layout Planning - SLP). Планировка офиса (Office Layout). Приоритетная взаимосвязь (Precedence Relationship). Размещение оборудования по предметному принципу (Product Layout). Размещение оборудования по принципу групповой технологии (Group Technology Layout). Размещение оборудования по принципу обслуживания неподвижного объекта (Fixed-Position Layout). Размещение оборудования по технологическому принципу (Process Layout). Размещение помещений сервисных и торговых предприятий (Retail Service Layout). «Сервисный ландшафт» (Servicescape). Сравнительный метод компьютерного размещения производственных объектов (Computerized Relative Allocation of Facilities Technique - CRAFT). Такт (Cycle Time).
МОДУЛЬ 5 «МОДЕЛИРОВАНИЕ ТРУДОВОГО ПРОЦЕССА И НОРМИРОВАНИЕ ТРУДА» Решения, принимаемые при планировании трудового процесса. Поведенче-ские аспекты в планировании трудового процесса. Физиологические аспекты в планировании трудового процесса. Методы труда. Измерение и нормирование труда. Системы финансового стимулирования труда.
Измерение труда (Work Measurement). Метод выборочных наблюдений (Work Sampling). Метод нормирования MOST (Most Work Measurement Sys-tems). Методы измерения рабочего времени (Methods Time Measurement). Микроэлементные нормативы (Elemental Standard-Time Data). Микроэлементные системы нормирования (Predetermined Motion-Time Data Systems - PMTS). Норма времени (Standard Time). Нормальное время (Normal Time). Планирование трудового процесса (Job Design). Системы труда с расширенными обязанностями (Job Enrichment). Системы финансового стимулирования (Financial Incentive Plans). Социотехничсские системы труда (Sociotechnical Systems). Специализация труда (Specialization of Labor). Участие в доходах (Gain Sharing). Участие в прибыли (Profit Sharing). Физиология труда (Work Physiology). Хронометраж (Time Study). Моделирование управления снабжением. Управление закупками Управление цепью поставок. Закупки. Закупки «точно в срок». Глобальные источники поставок. Потоки электронной информации в снабжении. Аутсорсинг (Outsourcing). Быстрое реагирование (Quick Response - QR). Грузовая стоимость (Value Density). Закупки «точно в срок» (Just-in-Time Purchasing). Логистика (Logistics). «Производить или покупать» (Make or Buy). Стратегическое партнерство (Strategic Partnership). Управление материальными потоками (Materials Management). Цепь поставок (Supply Chain). Эффективное реагирование на запросы потребителя (Efficient Consumer Response - ECR). Прогнозирование Управление спросом. Виды прогнозирования. Компоненты спроса. Качест-венные методы прогнозирования. Анализ временных рядов. Каузальное (при чинное) прогнозирование. Выбор метода прогнозирования. Фокусирующее прогнозирование. Компьютерное прогнозирование.
Анализ временных рядов (Time Series Analysis). Групповое согласие (Panel Consensus). Зависимый спрос (Dependent Demand). Исследование рынка (Market Research). Константа сглаживания (Smoothing Constants Alpha). «Корни травы» (Grass Roots). Метод Дельфи (Delphi Method). Мнение руководства (Executive Judgement). Независимый спрос (Independent Demand). Причинная (каузальная) связь (Causal Relationship). Прогнозирование на основе линейной регрессии (Linear Regression Forecasting). Сезонный фактор (Seasonal Factor). Скользящее среднее (Moving Averages). Спрос, очищенный от сезонных колебаний (Deseasonalization of Demand). Среднее абсолютное отклонение (Mean Absolute Deviation). Трекинг (Tracking Signal). Трендовый эффект (Trend Effect). Фоку-сирующий прогноз (Focus Forecasting). Экспоненциальное сглаживание (Exponential Smoothing).
Совокупное планирование
Виды планирования. Иерархическое планирование производства. Совокупное планирование производства.Методы совокупного планирования. Долго-, средне- и краткосрочное планирование (Long-, Intermediate- and Short-Range Planning). Наличный запас (Inventory on Hand). Основной план производства (Master Production Schedule - MPS). Планирование потребностей в производ-ственной мощности (Capacity Requirements Planning - CRP). Предварительное планирование производственной мощности (Rough-Cut Capacity Planning). Смешанная стратегия (Mixed Strategy). Совокупное планирование (Aggregate Planning). Стратегии производственного планирования (Production Planning Strategies). Чистая стратегия (Pure Strategy).
История возникновения. Метод ситуационного управлениявозник в связи с необходимостью моделирования процессов при
нятия решений в системах с активным элементом (человеком). В
его основе лежат три основные предпосылки.
Первая предпосылка - это психология, которая начала изу
чать принципы и модели принятия решений человеком в опера
тивных ситуациях. Известны работы советских психологов в этой
области - В.Н. Пушкина, Б.Ф.Ломова, В.П. Зинченко и др. . В.Н. Пушкин сформулировал так называемую модельную тео
рию мышления . Он показал, что психологический механизм
661 регулирования актов поведения человека тесно связан с построе
нием в структурах мозга информационной модели объекта и
внешнего мира, в рамках которого осуществляется процесс уп
равления на основе восприятия человеком информации извне и
уже имеющегося опыта и знаний. Основой построения модели
являются понятийные представления об объектах и отношениях
между ними, отражающие семантику выделенной сферы деятель
ности человека (предметной области). Модель объекта имеет
многоуровневую структуру и определяет тот информационный
контекст, на фоне которого протекают процессы управления. Чем
богаче такая информационная модель объекта и выше способно
сти манипулирования знаниями, тем выше качество принимае
мых решений, многообразнее поведение человека. В.Н. Пушкин
впервые выделил три важные особенности процесса принятия
решений : наличие возможности классификации ситуаций в со
ответствии с типовыми решениями по управлению; принципиаль
ная открытость больших систем; существенная ограниченность
языка описания пространства состояний и решений объекта уп
равления.
Второй предпосылкой метода ситуационного управления
стали представления, полученные в исследованиях по семио
тике-науке о знаковых системах. Это работы Ю.А. Шрейде-
ра, Ю.Д. Апресяна. Была определена трехаспектная структура
знака в любой знаковой системе: имя знака, отражающее его син
таксический аспект; содержание знака, выражающее его семан
тический аспект; назначение знака, определяющее его прагмати
ческий аспект (треугольник Фреге). В прикладной семиотике
знаки, вариантами которых являются слова, предложения, тек
сты, стали рассматриваться как системы, замещающие реальные
объекты, процессы, события внешнего мира . Совокупности
знаков с отношениями между ними, таким образом, стали моде
лирующими псевдофизическими аналогами реальных систем фун
кционирования и управления. Именно поэтому ситуационное уп
равление называли еще и семиотическим моделированием,
поскольку знаковый язык достаточен для описания и процессов
функционирования объекта с требуемой степенью приближения.
Третья предпосылка связана с разработками в области инфор
мационно-поисковых систем и попытками создания формального
языка описания и представления технических наук с целью авто-
662 матизации работ по реферированию научных публикаций и орга
низации процессов поиска, хранения и представления инфор
мации. В рамках этих исследований Э.Ф. Скороходько был раз
работан и исследован язык, получивший затем название языка
гх-кодов . Свою реализацию этот язык нашел в информацион
но-поисковой системе БИТ, которая успешно и довольно долго
эксплуатировалась в Институте кибернетики АН УССР.
На основе модельной теории мышления В.Н. Пушкина, язы
ка гХ"Кодоъ Э.Ф. Скороходько и семиотики Д.А. Поспелов, а за
тем Ю.И. Клыков в 1965 г. сформулировали новую кибернети
ческую концепцию управления большими системами в виде
метода ситуационного управления .
Сущность метода
За основу управления принято понятие ситуация как основ
ной объект описания, анализа и принятия решений. Следователь
но, необходимы соответствующие средства - описания, класси
фикации, обучения и трансформации ситуаций в соответствии с
принимаемыми решениями.
Классификация ситуаций обосновывалась существованием,
исходя из анализа структуры задач управления в больших систе
мах, на каждом уровне управления множества ситуаций, число
которых несоизмеримо велико по сравнению с множеством воз
можных решений по управлению. Задача принятия решений трак
товалась как задача поиска такого разбиения множества ситуа
ций на классы, при котором каждому классу соответствовало
решение, наиболее целесообразное с позиции заданных критери
ев функционирования. При наличии такого разбиения поиск ре
шения в конкретной ситуации сводился к поиску класса и соотне
сения ему решения по управлению. Однако такая постановка
задачи справедлива для систем управления, в которых число по
тенциально возможных ситуаций (ПВС) существенно превышает
(иногда на несколько порядков) число возможных решений
по управлению. Этот случай соответствует контекстно-независи
мому способу вывода решений, когда все множество ПВС разби
вается на классы таким образом, чтобы каждому классу в соот
ветствие ставилось решение по управлению. Случай, когда
множества ситуаций и решений были либо соизмеримы по мощ
ности, либо достаточно больше, чтобы этот факт можно бьшо ус
тановить, был рассмотрен и разработан затем в работах Л.С. За-
гадской и ее школы .
663 За основу языка описания всего множества ситуаций были
взяты идеи языков г-дг-кодов и синтагматических цепей. Роль мно
жества объектов предметной области играли их знаковые экви
валенты в естественном языке, т.е. слова-имена, а в роли отноше
ний выступали слова-имена, соответствующие реальным связям
между объектами или процессами. В качестве грамматики языка
ситуационного управления (ЯСУ) выступали правила порожде
ния новых понятий и отношений, их преобразования и класси
фикации (см. Язык ситуационного управления).
Важнейшая идея метода - формирование семиотической
модели объекта путем обучения принятию решений. При этом
рассматривались два режима обучения: экспертом, хорошо зна
ющим исследуемую предметную область, либо на основе анали
за множества конкретных ситуаций и решений по управлению.
Очевидно, что последний случай более длителен, не гарантирует
полноту описания, требует наличия статистики ситуаций и при
нятых в них решений, что далеко не всегда возможно. Поэтому
всеобщей практикой стало в основном использование первого
подхода к обучению. Тем не менее наличие в ЯСУ средств обоб
щения и классификации ситуаций обеспечивает принципиальную
возможность создания моделей, способных к усовершенствова
нию функций принятия решений в изменяющихся условиях ра
боты объекта управления. Другими словами, создается возмож
ность «выращивания» модели объекта для заданных условий
функционирования.
Развитие ситуационного моделирования. В 1973 г. Л.С. Загад-
ская (Болотова) разработала еще один, новый тип сис
тем ситуационного управления, рассматривавший класс систем
управления, в котором мощности множеств возможных ситуаций
и решений по управлению сопоставимы или неизвестны. Пред
лагалось все множество ситуаций разбивать на классы таким об
разом, чтобы каждому классу в соответствие ставилась струк
тура типового решения. На следующем этапе решения эта
структура доопределялась в процессе интерпретации и конкре
тизации решения и с учетом имеющихся ограничений на ресур
сы. Таким образом, каждому типовому решению по управлению
и. в соответствие ставится его структура М., и, следовательно,
кроме множества С/ = {t/p U2,...UJ, строится множество струк
тур типовых решений М = {Мр М2,...М^}.
664 Затем для каждой структуры выявлялся необходимый кон
текст-пласт знаний, имеющий фреймовую структуру и включаю
щий правила интерпретации ситуаций в пределах данной струк
туры и множество процедур для их трансформации и имитации.
Была разработана также логико-семиотическая модель вывода
решений на иерархии структур принятия решений .
Очевидно, что во втором случае существенно усложняется
проблема построения модели предметной области (МПО). Раз
работка МПО до сих пор является искусством, требует примене
ния высочайшей квалификации системных аналитиков. Необхо
димо ответить на ряд вопросов:
Каким образом задаются границы выделенной предметной
области?
Каким образом формируется непротиворечивый язык опи
сания всех множеств ситуаций и процессов для МПО со слож
ной, иерархической и распределенной структурой?
Каким образом формируется система знаний о МПО, дос
таточная для достижения поставленных целей?
Каким образом «проявляются» необходимые взаимодей
ствия между участниками процессов управления и принятия ре
шений, как они описываются?
Каким образом принимаются решения в условиях непол
ноты, неопределенности и неоднозначности?
В результате исследования и разработки прикладных систем
ситуационного управления была создана сквозная методология
и технология проектирования систем ситуационного управления
большими системами, включая необходимые инструментальные
средства и системы на базе языков РЕФАЛ и ЛИСП .
Как следует из описания языка ситуационного управления (см.) и
организации ситуационной модели управления, уже тогда, в 70-е гг.
XX в., системы ситуационного управления (ССУ) имели все при
знаки современных экспертных систем (ЭС) по меньшей мере
2-го поколения, т.е. динамических ЭС. Это и наличие семиоти
ческой модели объекта управления и процессов его функциони
рования в виде системы правил продукционного типа, и естествен
но-языковый интерфейс с разработчиками и пользователями, и
наличие встроенной логики времени, обеспечивающей работу
ССУ в режиме реального времени и моделирования. Это и инст
рументальные программные средства реализации ССУ на базе
языков ЛИСП и РЕФАЛ. Более того, отечественные специалис-
665 ты создавали большие системы и даже внедряли их в практику в
составе промышленных АСУ.
Примеры.
Система ситуационного управления «Авиаремонт», выпол
ненная Одесским отделением Института экономики АН УССР как
часть АСУ «Авиаремонт» для ЦНИИАСУ (Рига).
Система ситуационного диспетчерского управления взле
том и посадкой самолетов, разработанная для ВНИИРА (Ленин
град).
Система планирования сеансов спутниковой связи.
Ряд систем специального назначения и др. .
На Западе, а затем и в нашей стране, развивались эвристичес
кое программирование (60-е гг. XX в.), искусственный интеллект
(см.) - ИИ (70-е гг. XX в.), но у нас в стране, за занавесом, плохо
представляли, что делается за рубежом. Те, кто имел доступ к аме
риканским и западным источникам, не понимали данного направ
ления и считали, что ИИ - это что-то совсем другое и никакого
отношения к ситуационному управлению не имеет. Все измени
лось в 1975 г., когда в Тбилиси состоялась IV Международная
конференция по ИИ, на которую приехали практически все круп
ные ученые мира в области искусственного интеллекта. Вот тог
да стало ясно, что и наши специалисты, и зарубежные практичес
ки занимаются одним и тем же, но с разных точек зрения.
Отечественные специалисты шли «сверху» и пытались решить
проблемы, методологически и концептуально ясные, но еще не
обеспеченные базовыми средствами - ни теоретическими, ни ин
струментальными. Конференция многим помогла осознать и оп
ределить свое место в международном процессе движения к ис
кусственному разуму. На последующих школах, семинарах,
всесоюзных симпозиумах по ситуационному управлению уже в
1975 г. были четко сформулированы проблемы, тормозящие раз
витие ситуационного управления. Это в первую очередь разра
ботка моделей представления знаний и инструментальных сис
тем программной поддержки ССУ.
К 1980 г. существовали десятки ССУ разной степени разрабо
танности. Большинство из них - демонстрационные и исследова
тельские образцы. Коммерческих образцов не было вообще. До
промышленных образцов доводились немногие по ряду причин:
отсутствие инструментальных программных систем, доведенных
до стадии коммерческих образцов; отсутствие культуры доведе-
666 ния своих программных средств до коммерческой стадии; отсут
ствие понимания новой парадигмы в широкой среде разработчи
ков АСУ; недофинансирование возможности и выгодности со
здания коммерческих инструментальных систем-оболочек.
Ученые-западники шли к ИИ «снизу», от игр в кубики, крес
тики-нолики и т.п. Их интересовали интеллектуальные роботы и
планирование их поведения. Поэтому эти задачи и сегодня явля
ются классическими при обучении теоретическим основам ИИ.
Именно на них были разработаны все основные модели представ
ления знаний: продукционные, семантические сети, фреймы.
С 1977 г. началось расслоение в рядах «ситуационщиков».
Школы Д.А. Поспелова, В.А. Вагина, Л.Т. Кузина и некоторые
другие, ближе стоявшие к теоретическим исследованиям по роду
своего положения (АН СССР, вузы), быстро перестроились на
зарубежную терминологию и освоили достижения Запада. Это
было легко сделать, поскольку разница была в основном терми
нологическая.
В начале 80-х гг. появились экспертные системы (см.), и тут
выяснилось, что по своей сути они вроде бы совпадают с ССУ,
как у нас их и представляли. И термин этот показался более удач
ным, быстро вошел в моду. В результате уже к началу 90-х гг.
XX в. почти все «ситуационщики» занимались ЭС.
Таким образом, получилось, что ситуационное управление
сыграло в нашей стране роль основы для большого числа специ
алистов по искусственному интеллекту (см.).
Ви переглядаєте статтю (реферат): «СИТУАЦИОННОЕ МОДЕЛИРОВАНИЕ, ИЛИ СИТУАЦИОННОЕ УПРАВЛЕНИЕ » з дисципліни «Теорія систем і системний аналіз в управлінні організаціями »
Моделирование является основным методом исследования производственно-экономических систем. Под моделированием понимается такой способ отображения объективной реальности, при котором для изучения оригинала применяется специально построенная модель, воспроизводящая определенные (как правило, лишь существенные) свойства исследуемого реального явления (процесса).
Модель – это объект любой природы, который способен замещать исследуемый объект так, что его изучение дает новую информацию об исследуемом объекте.
В соответствии с этими определениями в понятие моделирования входит построение модели (квазиобъекта) и операции над ней для получения новой информации об исследуемом объекте. С позиций использования под моделью можно понимать удобное для анализа и синтеза отображение системы. Между системой и ее моделью существует отношение соответствия, которое и позволяет исследовать систему посредством исследования модели.
Тип модели определяется в первую очередь вопросами, на которые желательно получить ответ при помощи модели. Возможна различная степень соответствия модели и моделируемой системы.
Часто модель отображает только функцию системы, а структура модели (и ее адекватность системе) не играет роли, она рассматривается как черный ящик.
Имитационная модель включает уже единое отображение и функции системы, и существа происходящих в ней процессов.
Моделирование как метод познания основано на том, что все модели так или иначе отображают действительность. В зависимости оттого, как и какими средствами, при каких условиях, по отношению к каким объектам познания реализуется это их свойство, возникает большое разнообразие моделей. Существует ряд принципов классификации моделей разной природы, из которых наиболее существенными представляются следующие:
– по способу отображения действительности, а следовательно, и по аппарату построения (форма);
– по характеру моделируемых объектов содержание).
По способу отображения или аппарату построения различают два вида моделей (рис. 7.2): материальные и мысленные, или идеальные.
Рис. 7.2. Классификация моделей
Материальные модели – это модели, которые построены или отобраны человеком, существуют объективно, будучи воплощены в металле, дереве, стекле, электрических элементах биологических организациях и других материальных структурах.
Материальные модели делятся на три подвида.
Пространственно подобные модели – сооружения, предназначенные для отображения пространственных свойств или отношений объекта (макеты домов, заводов, районов города, транспортной сети, расположения оборудования в цехе и т. д.). Обязательным условием таких моделей является геометрическое подобие.
Физически подобные модели – материальные модели, имеющие целью воспроизвести разного рода физические связи и зависимости изучаемого объекта (модели плотин электростанций кораблей и самолетов). Основой построения таких моделей является физическое подобие – одинаковость физической природы и тождественность законов движения.
Математически подобные модели - модели обладающие в той или иной степени одинаковым математическим формализмом, описывающим поведение объекта и модели (аналог ЭВМ, кибернетические функциональные модели). Математически подобные материальные модели – это вещественные или физические оболочки некоторых математических отношений, но не сами отношения.
Мысленные (или идеальные) модели делятся на три подвида:
– описательные (концептуальные) модели, в которых отношения выражены в образах языка;
– наглядно-образные модели, образы которых в сознании построены из чувственно-наглядных элементов;
– знаковые (в том числе математические модели, в которых элементы объекта и их соотношения выражены при помощи знаков (в том числе математических символов и формул).
Классификацию моделей по характеру моделируемых объектов вследствие их чрезвычайного разнообразия приводить здесь не представляется целесообразным.
Конечной целью моделирования является изучение не модели как таковой, а некоторого отличного от нее, но воспроизводимого ею подлинного объекта изучения.
Очевидно, никакие модели не могут и не должны полностью воспроизводить все стороны и детали изучаемых явлений: предприятие может быть охарактеризовано с различных точек зрения – директора или главного инженера, бухгалтера, снабженца или энергетика.
В соответствии с этим и характер, и построение модели будут различны.
Моделирование, как способ научного познания, основано на способности человека абстрагировать исходные признаки или свойства различных явлений (процессов) и устанавливать определенное соотношение между ними. Благодаря этому создается возможность исследовать явления или процессы косвенным путем, а именно изучением моделей, аналогичных им в некотором строго определенном отношении.
В общем случае целесообразна следующая последовательность моделирования систем: концептуальное описание (исследование) системы, ее формализация и, наконец, если это необходимо, алгоритмизация и квантификация системы.
При моделировании производственно-экономических систем наряду с формализованными, математическими методами анализа, используемыми для отдельных подсистем или частных процессов, приходится использовать также и эвристические методы анализа производства в тех его элементах и связях, которые не поддаются формализации. А при использовании математических методов вследствие множества переменных приходится зачастую прибегать к упрощениям, использовать методы декомпозиции и агрегирования переменных. В результате решения приобретают приближенный, качественный характер.
Вследствие наличия в больших сложных системах организационно-производственного управления звеньев и связей, которые трудно или вообще не формализуются, для их исследования приходится использовать в основном описательные модели, подвергая систему декомпозиции на отдельные функциональные подсистемы; затем искать те подсистемы, которые поддаются математической формализации, моделируя, таким образом, отдельные элементы общего производственного процесса.
Конечной целью моделирования производственно-экономической системы является подготовка и принятие руководителем предприятия управленческого решения.
Модели производственно-экономических систем можно различать по следующим признакам:
– по целям моделирования;
– по задачам (функциям) управления;
– по этапам (процедурам) управления;
– по математическим методам моделирования.
В зависимости от целей моделирования различают модели, предназначенные для:
– проектирования систем управления;
– оценки эффективности;
– анализа возможностей предприятия в различных условиях его деятельности;
– выработки оптимальных решений в различных производственных ситуациях;
– расчета организационных структур системы управления;
– расчета информационного обеспечения и т. д.
Специфика моделей этого классификационного подразделения выражается в первую очередь в выборе соответствующих критериев эффективности, а также в процедуре реализации результатов моделирования.
В зависимости от задач (функций) управления различают модели календарного планирования, управления развитием предприятия, контроля качества продукции и т. д. Модели этого подразделения ориентированы на конкретные производственно-экономические задачи и, как правило, должны обеспечивать получение результатов в численном виде.
В зависимости от этапа (процедуры) автоматизации управления модели могут быть информационными, математическими, программными. Модели этого подразделения нацелены на соответствующие этапы движения и переработки информации.
В зависимости от применяемого математического аппарата модели можно разбить на пять больших групп: экстремальные, математического программирования (планирования), вероятностные, статистические и теоретико-игровые.
К экстремальным моделям относятся модели, дающие возможность отыскания экстремума функции или функционала. Сюда относятся модели, построенные с помощью графических методов, метода Ньютона и его модификаций, методов вариационного исчисления, принципа максимума Понтрягина и др. Исходя из возможностей этих методов они применяются в первую очередь для решения задач оперативного регулирования.
Модели математического программирования (планирования) включают модели линейного программирования, нелинейного программирования, динамического программирования. Сюда же обычно относят и модели сетевого планирования.
Математическое программирование объединяет ряд математических методов, предназначенных для наилучшего распределения имеющихся в наличии ограниченных ресурсов – сырья, топлива, рабочей силы, времени, а также для составления соответствующих наилучших (оптимальных) планов действий.
К вероятностным моделям относятся модели, построенные с помощью аппарата теории вероятностей, модели случайных процессов марковского типа (марковские цепи), модели теории массового обслуживания и др.
Вероятностные модели описывают явления и процессы случайного характера, например связанные со всевозможными несистематическими отклонениями и ошибками (производственный брак и др.), влиянием стихийных явлений природы, возможными неисправностями оборудования и т. п.
К статистическим моделям относятся модели последовательного анализа, метода статистических испытаний (Монте-Карло) и др. Сюда же можно отнести и методы случайного поиска.
Метод статистических испытаний заключается в том, что ход той или иной операции проигрывается, как бы копируется с помощью ЭВМ, со всеми присущими данной операции случайностями, например при моделировании организационных задач, сложных форм кооперации различных предприятий и т. п. Применение данного метода называют имитационным моделированием.
Методы случайного поиска применяются для нахождения экстремальных значений сложных функций, зависящих от большого числа аргументов. В основе этих методов лежит использование механизма случайного выбора аргументов, по которым осуществляется минимизация. Методы случайного поиска находят применение, например, при моделировании организационных структур управления.
Теоретико-игровые модели предназначены для обоснования решений в условиях неопределенности, неясности (неполноты информации) обстановки и связанного с этим риска. К теоретико-игровым методам относятся теория игр и теория статистических решений.
Теория игр – это теория конфликтных ситуаций. Она применяется в тех случаях, когда неопределенность обстановки вызывается возможными действиями конфликтующих сторон.
Теоретико-игровые модели могут найти применение при обосновании управленческих решений в условиях производственных, трудовых конфликтов, при выборе правильной линии поведения по отношению к заказчикам, поставщикам, контрагентам и т. п.
Теория статистических решений применяется тогда, когда неопределенность обстановки вызывается объективными обстоятельствами, которые либо неизвестны (например, некоторые характеристики новых материалов, качества новой техники и т. п.), либо носят случайный характер (состояние погоды, возможное время выхода отдельных узлов изделия из строя и т. п.).
Теоретико-игровые модели целесообразно использовать при подготовке, проведении и оценке результатов деловых игр.
Все математические модели могут быть подразделены также на модели оценки эффективности и модели оптимизации.
Модели оценки эффективности предназначены для выработки характеристик производства и управления. К этой группе относятся все вероятностные модели. Модели оценки эффективности являются «входными» по отношению к моделям оптимизации.
Модели оптимизации предназначены для выбора наилучших в данных условиях способов действий или линии поведения. К этой группе относятся экстремальные и статистические модели, модели математического программирования, а также теоретико-игровые модели.
Ниже будут рассмотрены некоторые наиболее распространенные модели, применяемые при решении производственных задач, а также для формирования организационных структур управления производством.
Основным направлением моделирования управления производственно-экономическими системами является создание моделей управления производством.
В настоящее время разработаны и находят применение модели следующих функций управления производством:
– планирования производственно-экономической деятельности предприятия;
– оперативного управления;
– оперативного регулирования;
– управления материально-техническим снабжением производства;
– управления сбытом готовой продукции;
– управления технической подготовкой производства.
Разработана также система взаимосвязанных моделей производства и управления.
Модели планирования производственно -экономической деятельности предприятия. Целевая функция моделей этой группы предусматривает:
– максимизацию критерия эффективности производственной деятельности предприятия исходя из наличных мощностей и отпускаемых ресурсов;
– минимизацию расхода ресурсов в рамках заданного критерия эффективности.
Модели планирования производственной деятельности предприятия подразделяются на: модели прогнозирования, модели технико-экономического планирования, модели оперативно-производственного планирования.
Модели прогнозирования представляют собой модели, либо основанные на математических методах (наименьших квадратов, пороговых значений, экспоненциального сглаживания), либо на методах экспертных оценок.
Модели технико-экономического планирования базируются на методах математического программирования (планирования). В качестве основного критерия эффективности (целевой функции) при выработке оптимального плана обычно избираются конечные результаты производства, например величина прибыли. В качестве ограничений берутся ограничения по сложности выпускаемой продукции, времени работы оборудования, ресурсам и т.д. Поскольку величина некоторых из указанных ограничений носит случайный характер (например, время работы оборудования), при решении таких задач оптимизации применяется вероятностный подход. Типовыми оптимизационными моделями технико-экономического планирования являются модели для расчета оптимального плана, распределения производственной программы по календарным периодам, оптимальной загрузки оборудования. Эти модели строятся с помощью математических методов оптимизации.
Модели оперативно-производственною планирования обычно совмещаются с моделями оперативного управления.
Модели оперативного управления. Основными задачами оперативного управления являются оперативно-календарное планирование производства, систематический учет и контроль за выполнением календарных планов, а также оперативное регулирование хода производства.
Типовыми моделями оперативного управления являются модели для расчета оптимального размера партий изделий и расчета оптимального графика запуска-выпуска партий деталей (календарное планирование).
Модели для расчета оптимального размера партий изделий могут быть созданы применительно как к простой, так и полной постановке задачи. В простой постановке определение размера производства или закупки партии деталей, при котором годовые затраты оказываются минимальными, сводится к обычной задаче на отыскание минимума функции. В полной постановке отыскивается такая совокупность размеров партий, которой соответствуют минимальные суммарные затраты на переналадку оборудования и отчисления на незавершенное производство при ограничениях по длительности переналадок, ресурсам оборудования, взаимозависимости размеров партий на смежных операциях и обеспечению занятости рабочего. Решение этой задачи достигается с помощью математических методов оптимизации.
Модели для расчетов календарного планирования могут быть:
– статистические с оптимизацией методом случайного поиска;
– имитационные с набором правил предпочтения;
– эвристические, применяемые в тех случаях, когда невозможно создание строгих алгоритмов, но есть необходимость использовать информацию и оценить факты, не имеющие количественного выражения.
Модели оперативного регулирования. Эти модели имеют целью обеспечить удержание отклонения результатов производственной деятельности от плановых показателей в заданных пределах. В этом случае применяются модели двух типов: модели регулирования по критерию оптимальности, модели регулирования по отклонению.
Модели регулирования по критерию оптимальности основываются на том, что после конкретного замера фактического состояния процесса производства составляется план, оптимальным образом приводящий процесс к заранее намеченному состоянию на момент окончания периода планирования.
Модели регулирования по отклонению базируются на том, что после конкретного замера производственный процесс в кратчайший срок выводят на первоначально составленный план-график.
Построение обеих моделей осуществляется с помощью математического аппарата оптимизации, применяемого в теории автоматического регулирования.
Модели управления материально-техническим снабжением производства. В качестве центральной проблемы управления материально-техническим снабжением производства выступает задача определения необходимого объема запасов всех видов снабжения. При этом могут быть построены две принципиально отличающиеся модели управления запасами – с фиксированным размером заказа и с фиксированным уровнем запасов. Существует также промежуточная модель, в которой фиксируется как верхний уровень запасов, так и нижний уровень заказа.
Построение моделей управления материально-техническим снабжением осуществляется с помощью специальных математических методов оптимизации, которые получили название «теория управления запасами».
Модели управления сбытом готовой продукции. Главной проблемой управления сбытом готовой продукции является задача расчета годового плана поставок готовой продукции. Для решения этой задачи с помощью математических методов оптимизации строится оптимизационная модель годового плана поставок готовой продукции. В качестве целевой функции при этом выступает стоимость реализованной продукции, в качестве ограничений – требование, чтобы суммарный объем продукции, отгруженной в определенный интервал времени всем потребителям, не превышал объема выпуска продукции за то же время, а суммарный объем поставок потребителю за все временные интервалы не превышал месячной заявки.
Модели управления технической подготовкой производства. Техническая подготовка производства включает стадии конструкторской и технологической подготовки.
С помощью математического моделирования могут быть решены три основные задачи управления технической подготовкой производства:
– определение минимального срока выполнения комплекса мероприятий технической подготовки производства при ограничениях на уровень наличных ресурсов;
– определение минимальной стоимости выполнения комплекса мероприятий технической подготовки производства при ограничениях на сроки его выполнения и на уровень наличия ресурсов;
– определение минимального уровня потребления дефицитных ресурсов при ограничении на стоимость и на сроки выполнения мероприятий технической подготовки производства.
Процесс технической подготовки производства наиболее полно и удобно воспроизводит сетевая модель. Сетевая модель дает возможность учесть вероятностный характер таких основных параметров операций технической подготовки производства, как длительность выполнения работ и интенсивность потребления ресурсов.
Оптимизация достигается применением методов математического программирования (в частности, симплекс-метода) и случайного (статистического) поиска.
Наряду с рассмотренными отдельными моделями, реализующими основные функции управления процессом производства, существует и система взаимосвязанных моделей производства и управления. Сущность этой системы моделей, построенной с помощью математического аппарата теории множеств, теории графов и повторного исчисления, заключается в следующем. В качестве множеств рассматриваются множество изделий, выпускаемых предприятием, и множество используемых при этом ресурсов. Производственный процесс, обеспечивающий выпуск множества изделий, описывается совокупным графом, а технологический процесс производства отдельного изделия – его конструкторско-технологическим графом. Множество ресурсов, обеспечивающих производство, состоит из подмножеств ресурсов рабочей силы, оборудования и дефицитных комплектующих изделий и материалов. Состояние производства на любой момент времени может при этом быть описано вектором, представляющим собой совокупность готовых изделий, полуфабрикатов и деталесборочных единиц, выпущенных к этому моменту. Аналогично с помощью вектора определяется и состояние ресурсов на любой момент времени. Плановая траектория производственного процесса при этом будет описываться вектор-функцией.
При такой постановке задачи оптимальное управление предприятием в плановый период может быть найдено исходя из следующего требования: на множестве допустимых планов, определяемых вектор-функцией, найти такой план, который максимизирует прибыль при условии, что вероятность его выполнения и получения прибыли установленного уровня будет не меньше заданного уровня, а затрачиваемые ресурсы не превысят имеющихся в наличии.
Моделирование организационных структур управления имеет целью совершенствование, оптимизацию системы управления предприятием. Оно является необходимым предварительным шагом автоматизации управления производственно-экономическими системами, которая требует серьезной подготовительной работы.
В качестве математического аппарата моделирования организационных структур управления применяется теория массового обслуживания. При этом элементы системы массового обслуживания принимаются как элементы системы управления, каждый из которых предназначен для решения определенной управленческой задачи. Для всех задач – элементов предусматривается система приоритетов в очередности решения. Для каждой задачи известны также и характеристики входящих потоков требований на обслуживание – решение соответствующих задач управления.
Элемент системы управления, решающий ту или иную задачу, располагает одним или несколькими преобразователями информации, в качестве которых выступают либо специалисты определенной квалификации, либо технические средства.
Эффективность работы системы управления оценивается по качеству и длительности обслуживания решения задач управления, с учетом их приоритетов и сложности.
Моделирование систем массового обслуживания может выполняться как аналитическими, так и статистическими методами. Наибольшее применение при моделировании организационных структур управления получил статистический метод, так называемый метод статистических испытаний (метод Монте-Карло). Этому методу отдается предпочтение на том основании, что он позволяет решать задачи большой сложности, для которых не существует аналитического (формульного) описания или последнее обладает чрезвычайной сложностью.
Статистическая модель позволяет поставить математический эксперимент, аналогичный натурному, произвести имитацию организационной структуры управления наиболее дешевым способом и в приемлемое время. Вместе с тем необходимо учитывать и специфические недостатки метода статистических испытаний, из которых главными являются относительно большое время моделирования и частный характер получаемых решений, определяемый фиксированными значениями параметров системы массового обслуживания.
При моделировании с помощью математического аппарата теории массового обслуживания структура системы управления предприятием рассматривается как совокупность взаимосвязанно функционирующих элементов. Такими элементами в реальной системе являются дирекция и функциональные отделы управления: производственно-технический, плановый, снабжения и др.
В результате совместного функционирования указанных элементов в системе управления осуществляется преобразование информации состояния в командную информацию, являющуюся основой управления предприятием.
Упомянутые элементы – подразделения системы управления предприятием составляют цепь, анализ функционирования которой может быть достаточно формализован с целью оптимизации процесса управления. Простейшей цепью, дающей хорошее приближение к реальности, является строго последовательная цепь элементов. При моделировании такой цепи возможны два похода: квазирегулярное и случайное представление. В квазирегулярной модели моделирование осуществляется по каждому элементу отдельно по усредненным показателям.
В случайной модели рассчитываются статистические оценки для каждого запроса на обслуживание, проходящего не по отдельным элементам, а по системе в целом.
Наряду с моделированием организационных структур управления с помощью цепей элементов существует способ математического описания оргструктуры системы управления с помощью линейных стохастических сетей, являющихся одним из классов многофазных систем массового обслуживания. В данной модели информация также проходит последовательно через ряд элементов системы управления, каждый из которых описывается с помощью математического аппарата теории массового обслуживания. При последовательном прохождении информации через элементы сети имеют место переходы марковского типа. Структура такой сети с соответствующими переходами представляется определенным графом. Составляется стохастическая матрица переходов.
Поскольку целевая функция (критерий эффективности) при математическом моделировании организационных структур управления, как правило, может быть описана лишь статистически, оптимизация производится в основном численными методами, из которых наибольшее применение получили методы динамического программирования и статистического поиска.
Решение задачи оптимизации методом динамического программирования реализуется путем составления для каждого шага процесса управления функционального рекуррентного уравнения (уравнения Беллмана).
Оптимизация организационных структур управления с помощью метода статистического поиска, несмотря на менее жесткие ограничения, накладываемые на критерии эффективности и допущения, описывающие физику явления при данном методе, пока не получила, применительно к рассматриваемой задаче, достаточно широкого распространения.
Игровое моделирование занимает особое место в ряду методов, применяемых для автоматизации управления производственно-экономическими системами. Отличительная черта этого метода – привлечение для моделирования процесса управления людей, участвующих в разработке и проведении деловой игры. Под деловой игрой при этом понимается имитация группой лиц решения отдельных задач хозяйственной или организационной деятельности предприятия, выполняемая на модели объекта в обстановке, максимально приближенной к реальной.
Введение в модель человека как элемента организации управления дает возможно учесть его поведение в тех случаях, когда оно не может быть адекватно описано с помощью известных сегодня математических моделей; позволяет решать такие управленческие задачи, которые не укладываются в рамки существующих формализованных методов.
Деловая игра вводит в процесс подготовки и принятия управленческих решений психологические и эмоциональные моменты, поощряя использование в этом процессе прошлого опыта руководителей, их интуиции, развивая способность к эвристическим решениям. Деловая игра проводится применительно к определенной управленческой задаче по заранее тщательно разработанному сценарию. Общая игровая модель формируется как совокупность частных моделей, создаваемых участниками – лицами, готовящими и принимающими управленческие решения.
Модель деловой игры включает как формализованную, так и неформализованную часть. Участники игры действуют по определенным правилам. Они руководствуются специально разработанными инструкциями по ведению игры, а также поступающими в их распоряжение данными обстановки.
В соответствии со сценарием игры участники периодически получают вводные об изменении обстановки. Готовя свои решения, участники деловой игры оценивают обстановку и производят необходимые расчеты вручную или с помощью ЭВМ. При этом используются формализованные, заготовленные заранее элементы игровой модели, соответствующие современным методам исследования операций.
Осуществляя управление ходом деловой игры, ее руководитель оценивает решения участников, устанавливает результаты их действий и доводит последние до играющих. При необходимости руководитель игры может менять установку, доводя эти изменения до участников в виде вводных. Оценка действий участников игры производится путем расчетов, экспертными методами, а также исходя из опыта руководителя, его интуиции и здравого смысла.
Основным видом игрового моделирования, проводимого на предприятиях, является производственная деловая игра. Ее цель – совершенствование существующих и выработка новых форм организации управления производством, отработка руководящих документов, перестройка производства и т. д.
В качестве моделей при проведении деловых игр широко применяются методы сетевого планирования и управления (СПУ), построенные на основе сетевых графиков. При решении задач планирования находят применение методы динамического программирования, а при решении задач распределения ресурсов – линейного программирования.
Для обучения управленческого персонала производственная деловая игра может проводиться в учебном варианте, т. е. учебная деловая игра. Ее главной задачей является обучение работников, совершенствование их навыков в управлении. При необходимости учебная деловая игра используется и для аттестования руководящих работников предприятий в выполнении ими своих должностных обязанностей, а также при выдвижении их на высшую должность.
