"Управління ланцюгом постачань" для студентів спеціальності "Організація перевезень і управління на транспорті (автомобільному)"

Очевидно, что два эти стиля управления диаметрально противоположны друг другу. Основные из их отличий приведены ниже.

Авторитарное управление находится в поисках «быстрого укрепления», — TQM ищет длительные решения.

Авторитарное управление продолжает идти старым путём, — TQM делает акцент на нововведениях и творческом подходе.

Авторитарное управление контролирует ресурсы через разделение функций, — TQM оптимизирует ресурсы в контексте всей организации.

Авторитарное управление опирается на контроль над людьми, — TQM наделяет людей полномочиями.

 

 

Цель лекции: С помощью математических моделей, либо экспертных методов, либо статистических данных сделать оценку выбранных вариантов системы.

 

План лекции.

1. Методы моделирования.

2. Экспертное оценивание и теория принятия решений.

3. Статистический анализ.

 

1. Методы моделирования

При решении задач рациональной организации перевозочного процесса аналитическое решение ввиду значительных математических сложностей практически невозможно, а проведение экспериментальных исследований и натурных испытаний требует больших затрат времени и средств. В связи с этим в исследованиях применяются методы моделирования изучаемых сложных систем, явлений или объектов.

Широкое применение в логистике имеют различные методы моделирования.

Моде́ль (фр. modèle, от лат. modulus — мера, аналог, образец) — отображение, копия, схема, макет, изображение, некоторый материальный или мысленно представляемый объект или явление, замещающий упрощением оригинальный объект или явление, сохраняя только некоторые важные его свойства.

Метод моделирования – изучения явлений с помощью моделей – один из основных в современных исследованиях. Различают физическое и математическое моделирование. При физическом моделировании физика процессов в объекте и модели и их математические зависимости одинаковые. В случае математического моделирования физика явлений может быть разной, а математические зависимости одинаковые. Математическое моделирование приобретает особую ценность при возникновении необходимости изучить сложные процессы.

Транспортный процесс является очень сложным процессом. Поэтому смоделировать его с помощью методов физического моделирования не представляется возможным.

Математическое моделирование подразделяется на следующие виды:

- математическое моделирование;

- имитационное моделирование;

- статистическое моделирование.

Математическая модель объекта позволяет рассчитать значения критерия эффективности в зависимости от значений характеристик активных элементов системы. Для каждой зависимости в модели должны быть определены условия ее применения. Каждая зависимость в модели строится на допущениях.

Использование математических моделей является одним из основных методов современного научного исследования. Но им присущи следующие недостатки. Для того чтобы из всего множества найти оптимальное решение, которое присуще лишь данному процессу, необходимо задать условия однозначности. Установление предельных условий требует проведения достоверного опыта и тщательного анализа экспериментальных данных. Неверное принятие предельных условий приводит к тому, что поддается теоретическому анализу не тот процесс, который планируется, а видоизмененный. Кроме указанного недостатка во многих случаях отыскать аналитические выражения с учетом условий однозначности, которые наиболее реально отображают физическую сущность изучаемого процесса, или вообще невозможно, или чрезвычайно сложно.

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.

Имитационные модели, или модели поведения, используются в тех случаях, когда параметр, который исследуется, зависит от большого количества малозначащих факторов. При проведении большого количества опытов с моделью можно установить взаимосвязь между входными параметрами и выходом системы. Модели поведения используются только для характеристики структуры внешней среды.

Во многих случаях построение имитационных моделей является трудоемким процессом, поскольку изучение динамики явления занимает много времени. Если же систему представить с помощью математического выражения, то влияние любого параметра можно установить с помощью математической дедукции за несколько шагов. Однако иногда возникают задачи, когда имитационные или статистические модели оказываются более пригодными, чем математические, в случаях, когда изучается настолько сложная система, что для построения математической модели надо провести очень большую работу.

Среди методов прикладного системного анализа имитационное моделирование является самым мощным инструментом исследования сложных систем, управление которыми связано с принятием решений в условиях неопределенности. В сравнении с другими методами такое моделирование позволяет рассматривать большее количество альтернатив, улучшать качество решений, точнее прогнозировать их последствия. Его цель – помочь исследователям глубже понять пока еще плохо сформулированные процессы разработанной рабочей модели, ее реализацию, а также интерпретацию результатов моделирования. Оно дает возможность пользователю экспериментировать с системами (существующими или гипотетическими) в тех случаях, когда делать это на реальном объекте невозможно или нецелесообразно. Имитационное моделирование использует аппараты математики, теории вероятностей и статистики. Но в то же время имитационное моделирование остается интуитивным процессом. Все имитационные модели представляют собой модели типа так называемого «черного ящика». Это означает, что они обеспечивают выдачу необходимого сигнала системы, если на ее взаимодействующие подсистемы поступает входной сигнал. Поэтому для получения необходимой информации или результатов необходимо осуществлять «прогон» имитационных моделей, а не «решать» их.