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

Таким образом, имитационное моделирование целесообразно использовать в следующих случаях:

- не существует законченной математической постановки данной задачи, или не разработаны аналитические методы решения сформулированной математической модели. К этой категории принадлежат модели теории массового обслуживания, которые связаны с рассмотрением очередей;

- математические процедуры трудны и трудоемки, тогда как имитационное моделирование дает простой способ решения задачи;

- разработка и использование имитационного моделирования позволяет экспериментатору видеть и «разыгрывать» на модели реальные процессы и ситуации;

- имитационное моделирование может оказаться одной единственной возможностью вследствие трудности постановки эксперимента и наблюдения явлений в реальных условиях.

В то же время имитационное моделирование имеет следующие недостатки:

- может оказаться сложным поддержка одних и тех же рабочих условий при каждом повторе эксперимента или за весь период времени проведения серии экспериментов;

- для получения одной и той же величины выборки (и, следовательно, статистической значимости результатов эксперимента) могут понадобиться большие затраты времени и средств;

- при экспериментировании с реальной системой может оказаться невозможным исследование большого множества альтернативных вариантов;

- если для проведения имитационного моделирования необходимо собирать исходные данные на основании опроса людей, то на результаты экспериментов может повлиять так называемый хауторнский эффект, который проявляется в том, что когда люди чувствуют, что за ними наблюдают, они могут изменить свое поведение.

Примеры имитационных моделей – MATLAB, PTV Vision VISSIM.

Одной из форм проявления закономерных связей, отношений, свойств, которые находятся под влиянием внешних, постоянно изменяющихся условий, является статистическая зависимость. Статистическая закономерность, как закономерность массовых явлений и процессов, тесно связана со статистической совокупностью и законом больших чисел. Это находит свое проявление в том, что статистическая закономерность присуща не отдельным единицам, которые являются носителями явлений и процессов, а всей совокупности в целом и проявляется только при достаточно большом количестве наблюдений. Целью статистического моделирования является не замена суждений и опроса специалистов, а получение того инструмента, который позволяет глубже проникнуть в сущность процесса, что исследуется. Метод статистического моделирования позволяет решать трудные задачи, имеет определенные преимущества перед аналитическими методами и другими видами моделирования и часто является единым доступным из всех методов, в особенности на стадии проектирования. Результаты статистического моделирования по своей ценности для практического решения задач очень близки к результатам натурного обследования. Суть статистического моделирования состоит в построении алгоритма, имитирующего поведение элементов системы и взаимосвязи между ними с учетом случайного фактора, для которого нужно определить оптимальное или близкое к нему решение. На основе указанного алгоритма создается программа расчетов на компьютерной технике, с помощью которой проводится имитирующий процесс с учетом всех возможных ситуаций.

Методы системного анализа получили широкое распространение, что в значительной степени обусловлено развитием компьютерной техники, обеспечивающим быстрое решение и анализ сложных математических задач.

Метод моделирования с использованием компьютерной техники имеет следующие основные преимущества.

1. С помощью моделирования на этапах замысла и предварительного проектирования системы можно заранее определить успешность функционирования системы, что исключает ненужные затраты людских и материальных ресурсов на построение нерациональных систем. Ответы на многие вопросы функционирования системы можно дать без применения дорогостоящего метода создания реальной системы и ее апробации.

2. Применение компьютерной техники для моделирования зачастую единственный реализуемый способ решения задач, которые нельзя выполнить с помощью лабораторных, натурных экспериментов или аналитических методов. Продолжительность испытаний системы сокращается до секунд, а в реальных условиях для этого необходимо несколько дней или месяцев.

При моделировании с помощью компьютерной техники выделяют следующие недостатки:

1. Для использования существующих программных алгоритмов решения задач необходим достаточно продолжительный опыт работы с компьютерной техники и его интерфейсами.

2. Для разработки программных алгоритмов для решения задач необходимо владение современными языками программирования, на изучение которых может понадобиться достаточно продолжительное время. Это время может оказаться большим, чем время, затраченное на поиск решения с применением других методов без использования компьютерной техники.

 

2. Экспертное оценивание и теория принятия решений

Экспертное оценивание — процедура получения оценки проблемы на основе группового мнения специалистов (экспертов). Совместное мнение обладает большей точностью, чем индивидуальное мнение каждого из специалистов. Данный метод можно рекомендовать для получения качественных оценок, ранжирования – например для сравнения нескольких проектов по их степени соответствия заданному критерию.

Этапы экспертного оценивания:

- постановка цели исследования;

- выбор формы исследования, определение бюджета проекта;

- подготовка информационных материалов, бланков анкет, модератора процедуры;

- подбор экспертов;

- проведение экспертизы;

- статистический анализ результатов;

- подготовка отчета с результатами экспертного оценивания.

Постановка цели исследования.

Экспертное оценивание предполагает создание коллективного мнения, обладающего большими способностями по сравнению с возможностями отдельного человека. Источником коллективного мнения является поиск слабых ассоциаций и предположений, основанных на опыте отдельного специалиста. Экспертный подход обладает большими возможностями по решению задач, не поддающихся решению обычным аналитическим способом:

- выбор лучшего варианта решения среди имеющихся;

- прогнозирование развития процесса;

-