Шпаргалка по "Экономике"

 

28. Типы управленческих решений и формы их поддержки.

Традиционно управленческие решения  принято разделять на аналитические  и поисковые (творческие). При всей очевидной условности такого разграничения  оно полезно, поскольку позволяет  правильно подобрать инструментарий для разработки альтернатив.

Творческий (поисковый) подход используют тогда, когда ищут нестандартные, не использовавшиеся в прошлом решения. В отличие от аналитического подхода, который может быть в значительной степени формализован, творческий подход в меньшей степени допускает формализацию. Здесь, вероятно, уместней задаться вопросом о том, какие помехи чаще всего встречаются при решении поисковых задач. Среди них много психологических ловушек, о которых шла речь выше. Кроме того, серьезным препятствием является неумение выявить существенную информацию, необходимую для принятия решения, иногда это называют неумением отделить фигуру от фона. Еще одна проблема состоит в искусственных ограничениях, которые вводятся на стадии поиска альтернатив. Приведенный в разделе 4.1 пример задачи с перекладыванием спичек может служить хорошей иллюстрацией введения искусственных ограничений: чаще всего поиск решения лежит в области "арифметики", т.е. делаются попытки разрешить проблему, используя римские цифры, хотя в условии задачи подобного ограничения нет.

Из перечня условий очевидно, что применение чисто аналитического подхода имеет ряд существенных ограничений. Первая группа трудностей касается определения самой проблемы. Люди редко до начала поиска решения  достигают консенсуса в отношении формулировки проблемы. Зачастую проблемы формулируются таким образом, чтобы к ним можно было применить готовые решения. Вторая группа трудностей относится к выработке альтернатив. Их часто оценивают по мере поступления, что приводит к тому, что принимается первое приемлемое, а не оптимальное решение. Кроме того, альтернативы чаще всего основываются на том, что приводило к успеху в прошлом. Трудности, связанные с оценкой и отбором альтернатив, подробно рассмотрены в предыдущем разделе.

Доля решений того или иного типа, принимаемых руководителем, зависит от его места в иерархии упр-я от размера организации, от аппарата ППР.

Типы решений:

1Текущие

2Тактические

3Стратегические

Формы поддержки деятельности ЛПР:

1Информационная 

2Вычислительная

3Интеллектуальная

Область решений        Главные формы ППР

Развитие  интеллект. вычислительная

Реорганизующие        интеллект, информация

Управление                 интелкт, информация

проектирование           информация

Технология                    информация

Снабжение                Информация

Кадры                         интеллект, инормация

Культура и быт           информация

 

29. Метод имитационного моделирования управленческого решения.

Имитационное моделирование  — это метод, позволяющий строить модели, описывающие процессы так, как они проходили бы в действительности. Такую модель можно «проиграть» во времени как для одного испытания, так и заданного их множества. При этом результаты будут определяться случайным характером процессов. По этим данным можно получить достаточно устойчивую статистику.

Имитационное моделирование —  это метод исследования, при котором  изучаемая система заменяется моделью  с достаточной точностью описывающей  реальную систему и с ней проводятся эксперименты с целью получения  информации об этой системе. Экспериментирование с моделью называют имитацией (имитация — это постижение сути явления, не прибегая к экспериментам на реальном объекте).

Имитационное моделирование —  это частный случай математического  моделирования. Существует класс объектов, для которых по различным причинам не разработаны аналитические модели, либо не разработаны методы решения полученной модели. В этом случае математическая модель заменяется имитатором или имитационной моделью.

Имитационная модель — логико-математическое описание объекта, которое может быть использовано для экспериментирования на компьютере в целях проектирования, анализа и оценки функционирования объекта.

Применение имитационного  моделирования

К имитационному моделированию  прибегают, когда:

дорого или невозможно экспериментировать на реальном объекте;

невозможно построить аналитическую  модель: в системе есть время, причинные  связи, последствие, нелинейности, стохастические (случайные) переменные;

необходимо сымитировать поведение  системы во времени.

Цель имитационного моделирования состоит в воспроизведении поведения исследуемой системы на основе результатов анализа наиболее существенных взаимосвязей между ее элементами или другими словами — разработке симулятора (англ. simulation modeling) исследуемой предметной области для проведения различных экспериментов.

Имитационное моделирование позволяет  имитировать поведение системы  во времени. Причём плюсом является то, что временем в модели можно управлять: замедлять в случае с быстропротекающими процессами и ускорять для моделирования систем с медленной изменчивостью. Можно имитировать поведение тех объектов, реальные эксперименты с которыми дороги, невозможны или опасны.

Имитация, как метод решения  нетривиальных задач, получила начальное  развитие в связи с созданием ЭВМ в 1950х — 1960х годах.

Можно выделить две разновидности  имитации:

Метод Монте-Карло (метод статистических испытаний);

Метод имитационного моделирования (статистическое моделирование).

Виды имитационного  моделирования

Агентное моделирование — относительно новое (1990е-2000е гг.) направление в имитационном моделировании, которое используется для исследования децентрализованных систем, динамика функционирования которых определяется не глобальными правилами и законами (как в других парадигмах моделирования), а наоборот. Когда эти глобальные правила и законы являются результатом индивидуальной активности членов группы. Цель агентных моделей — получить представление об этих глобальных правилах, общем поведении системы, исходя из предположений об индивидуальном, частном поведении ее отдельных активных объектов и взаимодействии этих объектов в системе. Агент — некая сущность, обладающая активностью, автономным поведением, может принимать решения в соответствии с некоторым набором правил, взаимодействовать с окружением, а также самостоятельно изменяться.

Дискретно-событийное моделирование  — подход к моделированию, предлагающий абстрагироваться от непрерывной природы событий и рассматривать только основные события моделируемой системы, такие как: «ожидание», «обработка заказа», «движение с грузом», «разгрузка» и другие. Дискретно-событийное моделирование наиболее развито и имеет огромную сферу приложений — от логистики и систем массового обслуживания до транспортных и производственных систем. Этот вид моделирования наиболее подходит для моделирования производственных процессов. Основан Джеффри Гордоном в 1960х годах.

Системная динамика — парадигма моделирования, где для исследуемой системы строятся графические диаграммы причинных связей и глобальных влияний одних параметров на другие во времени, а затем созданная на основе этих диаграмм модель имитируется на компьютере. По сути, такой вид моделирования более всех других парадигм помогает понять суть происходящего выявления причинно-следственных связей между объектами и явлениями. С помощью системной динамики строят модели бизнес-процессов, развития города, модели производства, динамики популяции, экологии и развития эпидемии. Метод основан Форрестером в 1950 годах.

Области применения

Бизнес процессы

Боевые действия

Динамика населения

Дорожное движение

ИТ-инфраструктура

Математическое моделирование  исторических процессов

Логистика

Пешеходная динамика

Производство

Рынок и конкуренция

При имитационном моделировании воспроизводится  алгоритм функционирования системы  во времени - поведение системы, причем имитируются элементарные явления, составляющие процесс, с сохранением их логической структуры и последовательности протекания, что позволяет по исходным данным получить сведения о состояниях процесса в определенные моменты времени, дающие возможность оценить характеристики системы.

Основным преимуществом имитационного  моделирования является возможность  решения более сложных задач. Имитационные модели позволяют достаточно просто учитывать такие факторы, как наличие дискретных и непрерывных элементов, нелинейные характеристики элементов системы, многочисленные случайные воздействия.

В имитационном моделировании различают  метод статистических испытаний (Монте-Карло) и метод статистического моделирования.

Метод Монте-Карло - численный метод, который применяется для моделирования случайных величин и функций, вероятностные характеристики которых совпадают с решениями аналитических задач. Состоит в многократном воспроизведении процессов, являющихся реализациями случайных величин.

Метод имитационного моделирования применяется для оценки вариантов структуры системы, эффективности различных алгоритмов управления системой, влияния изменения различных параметров системы.

 

30. Методы моделирования знаний при принятии управленческого решения.

Проблема моделирования знаний решается в разделе информатики, который носит название «Искусственный интеллект». Предметом исследования этой науки является человеческое мышление. Цель этих исследований – создание компьютерных моделей интеллектуальной деятельности человека. Такие модели называются системами искусственного интеллекта. Основой любой системы искусственного интеллекта является модель знаний и созданная на ее основе база знаний.

Знания делятся на четыре вида:

-понятийные или концептуальные  знания – это набор понятий из некоторой области знания, их свойства и взаимосвязи;

-конструктивные знания – знания  о структуре объектов, о взаимодействии  их частей;

-процедурные или алгоритмические  знания – это уже известные  людям методы решения задач,  алгоритмы, программы;

-фактуальные или фактографические  знания – это количественные  и качественные характеристики  конкретных объектов.

Всякая конкретная база знаний содержит модель определенной предметной области. Предметная область – это некоторая  часть реального мира (научная область, производственный процесс, социальная система и пр.). Любая база знаний содержит в себе базу данных в качестве составляющей, но не сводится к ней. Главное отличие базы знаний от базы данных с точки зрения пользователя – ее активность. База данных - пассивна. Из базы данных можно извлечь ту фактографическую информацию, которая в ней заложена. База знаний – активна. Благодаря процедурной компоненте она может сама выводить новые факты, которые непосредственно в нее заложены не были, может по своей инициативе вступать во взаимодействие с другими установленными на компьютере системами и человеком.

Всякая конкретная база знаний содержит модель определенной предметной области. Предметная область – это некоторая  часть реального мира (научная область, производственный процесс, социальная система и пр.). Любая база знаний содержит в себе базу данных в качестве составляющей, но не сводится к ней. Главное отличие базы знаний от базы данных с точки зрения пользователя – ее активность. База данных - пассивна. Из базы данных можно извлечь ту фактографическую информацию, которая в ней заложена. База знаний – активна. Благодаря процедурной компоненте она может сама выводить новые факты, которые непосредственно в нее заложены не были, может по своей инициативе вступать во взаимодействие с другими установленными на компьютере системами и человеком.

Существует несколько возможных  модельных представлений знаний - продукционные и логические модели; представление знаний в виде графов.

Модели знаний на графах.

В основе таких моделей лежит  идея о том, что любые знания можно  представить в виде совокупности объектов (понятий) и связей (отношений) между ними.

Смысл математических выражений.

Традиционная математическая символика  является формальным языком математики. Смысл математического выражения заключается в определенной им последовательности вычислительных операций. Чтобы его понять, нужно знать правила старшинства операций, правила раскрытия скобок. Наглядным средством изображения последовательности вычисления математических выражений, т.е. их смысла являются графы. Такой граф представляет собой дерево, листьями которого являются числа, а прочими вершинами – операции.