Реферат: Математическое моделирование производственной деятельности

3) Интерпретация полученных следствий из математической модели. Следствия, выведенные из модели на языке математики, интерпретируются на языке, принятом в данной области.

4) Проверка адекватности модели. На этом этапе выясняется, согласуются ли результаты эксперимента с теоретическими следствиями из модели в пределах определенной точности.

5) Модификация модели. На этом этапе происходит либо усложнение модели, чтобы она была более адекватной действительности, либо ее упрощение ради достижения практически приемлемого решения.

1.2 Классификация моделей

Классифицировать модели можно по разным критериям. Например, по характеру решаемых проблем модели могут быть разделены на функциональные и структурные. В первом случае все величины, характеризующие явление или объект, выражаются количественно. При этом одни из них рассматриваются как независимые переменные, а другие - как функции от этих величин. Математическая модель обычно представляет собой систему уравнений разного типа (дифференциальных, алгебраических и т.д.), устанавливающих количественные зависимости между рассматриваемыми величинами. Во втором случае модель характеризует структуру сложного объекта, состоящего из отдельных частей, между которыми существуют определенные связи. Как правило, эти связи не поддаются количественному измерению. Для построения таких моделей удобно использовать теорию графов. Граф - это математический объект, представляющий собой некоторое множество точек (вершин) на плоскости или в пространстве, некоторые из которых соединены линиями (ребрами).

По характеру исходных данных и результатов предсказания модели могут быть разделены на детерминистические и вероятностно-статистические. Модели первого типа дают определенные, однозначные предсказания. Модели второго типа основаны на статистической информации, а предсказания, полученные с их помощью, имеют вероятностный характер.

Глава 2. Моделирование экономических процессов

В настоящее время одним из наиболее популярных методов исследования бизнес-процессов является имитационное моделирование.

На основе имитационной модели можно построить самые точные и действенные методы анализа и прогнозирования показателей эффективности бизнес-процессов. Тем не менее, нужно быть осторожным и не использовать некорректные процедуры анализа и моделирования, которые могут привести к неточным результатам. В основе имитационной модели лежат понятия потоков, уровней и темпов.

При построении имитационной модели обычно вводят в рассмотрение три потока [96]:

информационный;

финансовый;

кадровый.

Процедуры построения финансовой, кадровой и информационной маркетинговых систем существенным образом зависят от специфики конкретного предприятия и в обобщенном виде могут быть представлены в виде системы дифференциальных уравнений, связывающих основные уровни и темпы (скорости изменения уровней системы):

где:

вектор уровней системы, построение которого, по словам К. Шеннона [103], является скорее искусством;

матрица темпов.

известная вектор-функция внешних детерминированных воздействия, например инвестиций.

случайные воздействия на систему. Обычно предполагается, чтослучайный Марковский процесс (белый шум) с известными вероятностными характеристиками.

Цель моделирования экономических процессов, как правило, состоит в получении устойчивой схемы, поскольку последовательность оказываемых услуг повторяется. Важной процедурной концепцией анализа эффективности и обеспечения качества управления является определение периода неустойчивой работы и устранение искажения, вносимого статистическими данными, собранными за такой период. При реализации имитационной модели на компьютере дифференциальные уравнения заменяются конечно-разностными, и, именно такие уравнения используются в различных имитационных моделях.

где:

- шаг моделирования;

- матрица темпов увеличения, с индексом “-” матрица темпов уменьшения;

- внешние воздействия;

- случайные возмущения.

2.1 Моделирование экономических процессов

Имитационные модели, как об этом уже говорилось, воспроизводят поведение системы на протяжении некоторого промежутка времени. Это достигается путем идентификации ряда событий, распределение которых во времени дает важную информацию о поведении системы. После того как такие события определены, требуемые характеристики системы необходимо регистрировать только в моменты реализации этих событий. Информация о характеристиках системы накапливается в виде статистических данных таких наблюдений. Эта информация обновляется всякий раз при наступлении каждого из интересующих нас событий. Для построения имитационных моделей не требуется использования математических функций, явным образом связывающих те или иные переменные. Эти модели позволяют имитировать поведение сложных систем, для которых построение математических моделей и получение решений невозможно. Более того, гибкость, присущая имитационным моделям, позволяет добиться более точного представления системы. Основной недостаток имитационного моделирования заключается в том, что его реализация эквивалентна проведению множества экспериментов, а это неизбежно обусловливает наличие экспериментальных ошибок. Кроме того, сам процесс оптимизации также вызывает затруднения.

При подготовке к моделированию экономических процессов широко используются так называемые “эвристические методы” и методы экспертных оценок. Они базируются на интуитивно или эмпирически выбираемых правилах, которые позволяют улучшить уже имеющееся решение. Используются в том случае, когда соответствующие математические построения оказываются настолько сложными, что точное решение сформулированной задачи найти нельзя. По существу, эвристические методы представляют собой процедуры поиска разумного перехода от одной точки пространства решений к некоторой другой точке с целью улучшения текущего значения целевой функции модели. Когда дальнейшего приближения к оптимуму добиться невозможно, лучшее из полученных решений принимается в качестве приближенного решения оптимизационной задачи.

Модели экономических процессов разрабатываются с целью оптимизации заданной целевой функции при некоторой совокупности ограничений. Термин “оптимизация” обычно используется для обозначения процессов максимизации или минимизации целевой функции. Поэтому для одной и той же задачи можно предложить две различные модели с различными критериями оптимизации. Например, мы можем предпочесть максимизировать прибыль, или с не меньшим основанием исходить из другой целевой установки - минимизации затрат. Эти критерии не эквивалентны, так как величина затрат может быть функцией переменных, находящихся под контролем данной фирмы, тогда как величина прибыли зависит от внешних неуправляемых факторов, например от ситуации на рынке сбыта, складывающейся под влиянием конкурентов. Использование соответствующих этим критериям оптимизационных моделей при одинаковых ограничениях не обязательно приведет к получению одинаковых оптимальных решений.

Основной вывод, который следует из вышеизложенного, заключается в том, что полученное с помощью некоторой модели конкретное оптимальное решение является наилучшим только в рамках использования именно этой модели. Другими словами, оно является наилучшим из всех возможных только тогда, когда выбранный критерий оптимизации можно считать полностью адекватным целям организации, в которой возникла исследуемая проблемная ситуация. В этом контексте, обеспечение качества управления маркетингом предприятия обеспечивается точностью соответствия модели реальной системе, так как только выводы, получаемые в результате моделирования могут быть применены к реальной системе.