Непроизводственное потребление — это использование материальных благ для удовлетворения потребностей людей (как отдельных индивидуумов, так и общества в целом). В отличие от производственного потребления, описание которого в значительной степени (хотя, как мы видели в предыдущем параграфе, далеко не полностью) определяется технологией производства, непроизводственное потребление не базируется на таких природных закономерностях, которые могли бы стать основой для моделирования хотя бы основных его черт. Конечно, потребление людей направлено в значительной степени на удовлетворение естественных физиологических потребностей в питании, одежде, жилище и т. д., и. эти потребности могут быть описаны па основе рациональных медицинских норм. Однако чем выше уровень потребления, тем в меньшей степени оно связано с физиологическими потребностями, людей и тем больше оно определяется его потребностями духовными, которые вырабатываются уже не отдельным человеком, а обществом в целом. Питание становится не только средством удовлетворения физиологических потребностей, но также и способом получения удовольствия одежда из средства защиты от внешних воздействий превращается в средство самоутверждения и демонстрации принадлежности к определенной социальной группе жилище из условия материального существования человека превращается в условие духовного развития. Поскольку в нашей стране основная часть материальных благ распределяется среди населения через торговлю и общественное питание, то у людей имеется возможность отказаться от приобретения и потребления товаров, которые могли бы удовлетворить их физиологические потребности, но не могут удовлетворить потребности, определяемые их привычками, модой и т. д. Поэтому для правильного описания непроизводственного потребления необходимо использовать модели социально-экономического уровня, о трудностях моделирования которого мы уже говорили. Все же, хотя включение в модель блока потребления и выводит ее за рамки производственно-технологического уровня, этот вопрос затронуть необходимо, так как без потребления те- [c.114]
Эрих Карлович Гильде (1904—1983) — русский советский бухгалтер, рассматривал моделирование как средство описания хозяйственной деятельности предприятия, указывал на принципиальное различие между задачами учета затрат и калькуляцией фактической себестоимости, показал условный характер последней и сделал вывод о возможности отказа от ее практического использования. Гильде показал, что все учетные объекты связаны информационными потоками по схеме вход — выход и рассматривал бухгалтерский учет как базовое средство всей системы управления предприятием. [c.128]
Данные формулы остаются в значительной степени справедливыми при любых законах распределения времени обслуживания при наличии простейшего потока отказов. В случае, если последний отличается от простейшего, решение задачи находится путем статистического моделирования процесса (метод Монте-Карло). [c.227]
Планирование эксперимента при моделировании долговечности. В данном случае эксперимент проводят до разрушения или наступления параметрического отказа изделия. По результатам эксперимента определяют зависимость вида [c.172]
К середине XX в. произошли изменения в области изучения Вселенной. Она уже не представлялась абсолютным воплощением законов классической механики физики отказались от чисто детерминистской трактовки основных научных законов. Эта система взглядов повлияла и на развитие производственного менеджмента. Теперь уже как на уровне отдельной технологической операции, так и на уровне производственного процесса аналитические методы обогатились новыми представлениями. Получили признание теория вероятностей и математическая статистика. Сформировалось представление о наличии риска и неопределенности и понимание того, что они играют важную роль в планировании. К решению производственных проблем стали широко привлекаться ученые. Они привнесли в менеджмент математическое моделирование, анализ систем, теорию принятия решений, линейное программирование, теорию массового обслуживания, теорию информации и теорию регулирования. [c.15]
Особенности поведения предприятия, связанные со стохастическим и законами принятия решения в системе оптовой торговли средствами производства, можно исследовать при помощи имитационных моделей с использованием метода машинного моделирования [4]. Имитацию поведения предприятия проведем при заключении данным предприятием договоров с поставщиками и потребителями и при совершении акта продажи своей продукции. При заключении договоров предполагается, что предприятие заявило потребителям количество и номенклатуру продукции, которую ему выгодно выпускать с точки зрения максимума прибыли. С другой стороны, оно сделало заказ поставщикам на ресурсы, необходимые для этого состава и объема выпуска продукции. В процессе формирования договоров случайным является поведение поставщиков и потребителей. Предполагается, что поставщики с некоторым заданным законом распределения вероятностей принимают или не принимают заказы на ресурсы. Аналогично потребители с некоторым заданным законом распределения вероятностей принимают или не принимают заявки на заказ соответствующего вида средств производства. Причем отказ в принятии заказа или заявки на заказ может быть (в большинстве случаев будет именно так) не только полным, но и частичным. Используя способность ЭВМ формировать случайные числа, можно имитировать поведение предприятия при различной реакции внешней среды (потребителей и поставщиков). Экономически вполне оправданно считать, что вероятность величины отказа поставщиков и потребителей распределена по показательному закону. Действительно, с возрастанием величины отказа его вероятность уменьшается, причем это уменьшение происходит явно быстрее, чем по линейному закону. Задавая, кроме того, вероятность той или иной реакции данного предприятия на поведение поставщиков и потребителей при формировании договоров, можно получить приближенную картину его функционирования при разных характеристиках внешней среды и его внутренних характеристиках. Операторная схема и блок-схема моделирующего алгоритма для данной имитационной модели имеют следующий вид [c.90]
Рассмотрим моделирование процесса обслуживания. Пусть число каналов обслуживания равно п. Обычно считают, что каналы работают одновременно и независимо друг от друга. Канал может находиться в двух состояниях занят, свободен. Заявки, поступившие в систему массового обслуживания, либо попадают в канал и обслуживаются, либо ожидают своей очереди. Обычно время пребывания в очереди ограничивают некоторой величиной у. Если за это время заявка не попадает на обслуживание, то она отклоняется. В зависимости от величины v различают системы массового обслуживания с отказами (у — 0), с ожиданием (у = = оо) и смешанные (0<< Y< °°)- Канал характеризуется временем занятости ц, чаще всего рассматриваемым как случайная величина с заданным законом распределения. Качество обслуживания характеризуется следующими показателями для систем с отказами— средней долей отказов, вероятностью обслуживания всех заявок в определенный интервал времени для систем с ожиданием — средним временем ожидания, средней величиной очереди и т. д. для систем смешанных используют все перечисленные показатели. [c.201]
Пусть требуется определить в результате моделирования долю обслуженных заявок, долю заявок, получивших отказ, среднее время ожидания в очереди и т.п. Будем рассматривать процесс функционирования в интервале времени [О, Т], а заявки вне этого интервала в данной СМО не рассматриваются, даже если заявка начала обслуживаться в интервале [О, Т, а окончание обслуживания выходит за пределы этого интервала. Такие заявки считаются не обслуженными. Заявка получает отказ в обслуживании, если время начала обслуживания t" < Т, а время его окончания t B > Т. [c.245]
Развитие подсистемы Оперативное управление базируется на внедрении экономико-математических моделей, учитывающих цели управления, иерархический уровень управляемого объекта, масштабность и временной цикл управления. Моделирование процессов управления на уровне министерства дает возможность определять оптимальные варианты использования ресурсов при заданном плане или оптимальную производственную программу с учетом имеющихся ресурсов. Применение моделей позволит отказаться от сложившихся субъективных методов корректировки показателей развития отрасли. [c.116]
Альтернативность выбора. Финансовый риск предполагает необходимость выбора альтернативы действий финансового менеджера. При любых видах ситуации риска или неопределенности существует, по меньшей мере, две альтернативы этого выбора — принять на себя финансовый риск или отказаться от него. В реальной практике таких альтернатив гораздо больше и в зависимости от конкретного содержания условий риска или неопределенности эти альтернативы характеризуются различной степенью сложности и методами выбора. В одних случаях выбор альтернативы действий осуществляется на основе прошлого опыта, в других — на моделировании ситуаций развития событий в будущем, в третьих — просто на интуиции финансового менеджера, принимающего решение. Там где нет альтернативы выбора, нет и самого понятия финансового риска. [c.130]
История вопроса и текущие задачи. Математические модели исследования надежности электроэнергетических систем (ЭЭС) при управлении их развитием по возможности должны более адекватно отражать существо происходящих в системе процессов как технического, так и социально-экономического характера. Известно, что более точные и, как правило, более сложные математические модели требуют более подробной исходной информации с одной стороны и более строгих методов математического моделирования, с другой [119]. В СССР в 1970 - 1990 гг. было разработано достаточное число моделей, направленных на решение оценочных и оптимизационных задач надежности для уровня долгосрочного развития сложных ЭЭС [19,58,55,154]. Эти модели в своем большинстве работали на единой информационной основе. Уровень развития вычислительной техники того времени позволял для решения задач обеспечения надежности ЭЭС при управлении их развитием применять различного рода упрощенные инженерные методики [73,38,157,68]. Это естественным образом сказывалось на достоверности получаемых показателей надежности (ПН) и принимаемых на их основе проектных решений. Современное развитие средств вычислительной техники и внедрение в широких масштабах персональных компьютеров повышает роль математических методов для решения задач обеспечения надежности ЭЭС при управлении их развитием и позволяет отказаться от применения в проектной практике различных инженерных методик. . -.--.,-... [c.71]
Определим продолжительность интервала между отказами th используя формулу для моделирования случайной величины, распределенной в соответствии с экспоненциальным законом [c.125]
Моделирование потоков отказов элементов сложных технических систем [c.131]
Сформировав основной и резервный планы, проверим отказоустойчивость плана по данной итерации путем имитационного моделирования для следующих ситуаций отказало 10 % из рассматриваемых бизнес-процессов, 20 % и т.д. [c.69]
Отметим, что цель проведения анализа рисков - это получение более или менее четкой информации, обосновывающей дальнейшее принятие решений, связанных с реализацией проекта и управлением его рисками и, соответственно, проектом в целом. Рассмотренные методы количественной оценки рисков - анализ чувствительности, анализ сценариев, имитационное моделирование - не показывают результаты, которые дали бы возможность назвать эти методы состоятельными и позволили бы достигать заданной цели. Анализ чувствительности дал полезную информацию, но его уже упомянутая ранее однофакторность не дает полной картины рассмотрения возможности использования при управлении рисками проекта. Что касается анализа сценариев и имитационного моделирования, то они дали настолько противоречивые результаты, с точки зрения получения информации для принятия решений при управлении рисками и даже решений о принятии/отказе от проекта, что трудно говорить об их пользе для инвестора. Рассмотрим подробнее результаты анализа рисков традиционными способами. [c.44]
Основная задача системы — выявление на этапе проектирования и разработки конструкции изделий максимального числа возможных причин отказов и их устранение в допроизводственный период. Решение этой задачи осуществлялось благодаря развитию экспериментальной и исследовательской базы, повышению коэффициента унификации, широкому применению методов макетирования и моделирования, проведению ускоренных и сокращенных испытаний в период отработки конст-рукторско-технологических решений во время технологической подготовки производства. Эти работы выполнялись комплексными бригадами, включающими конструкторов, технологов, рабочих и заказчика. Изделия, прошедшие такую конструкторско-технологическую отработку, имели, как правило, вдвое меньше конструктивных дефектов, чем изделия, не прошедшие ее. [c.96]
Подобной тенденции в определенном смысле противостояла теория Маркса, которая усвоила многие идеи классической политэкономии, в том числе и ее нацеленность на проблематику развития. Однако тот факт, что Маркс рассматривал теорию Дарвина как естественнонаучный базис для классовой борьбы в истории и, следовательно, связывал эволюционный принцип с идеологией, негативным образом сказался на популярности эволюционной идеи в экономической науке. В противовес идеологически ориентированной марксистской политэкономии чистая экономическая теория отказалась от рассмотрения экономических процессов в их историческом развитии в пользу равновесного анализа это направление анализа окончательно утвердилось уже в XX в. и достигло наивысшего уровня в работах П. Самуэльсона, К. Эрроу и других классиков современной теории равновесия (см, гл. 13). Более того, уже в наше время в рамках так называемого экономического империализма (см. гл. 40) были даже предприняты попытки распространить экономическое моделирования на некоторые близкие биологии дисциплины8. [c.626]
В нашем случае применение методов исследования операций становится невозможными по двум причинам во-первых, число бухгалтеров не может быть большим и, во-вторых, присутствует фактор неисправности. Если попытаться создать математическую модель с помощью, например, аппарата вложенных цепей Маркова (метод Кендалла) или аппарата полумарковских процессов, то придется ввести большое число допущений, которые сделают погрешность метода при определении tq крайне большой (буквально плюс-минус в несколько раз ). Обе отмеченные причины приводят к тому, что от построения математической модели приходится отказаться. Поэтому будем применять метод имитационного моделирования. [c.292]
Вторая итерационная процедура представляет для нас наибольший интерес. Действительно, трудность процесса построениялрдели в значительной степени зависит от выбора основных предположений, характеризующих модель. Здесь снова требуется определенная смелость, чтобы работать с различными наборами допущений, из которых одни находятся в большем согласии с представлением исследователя о ситуации управления, в то время как другие могут привести к моделям, которые окажутся более трактуемыми с точки зрения его дедуктивных способностей. Задача состоит в отыскании такого набора предположений, которые одновременно достаточно хорошо описывали бы задачу и допускали дедуктивную трактовку. В такого рода рекомендациях неявным образом подразумевается отказ от моделирования до тех пор, пока не будет сделана серьезная попытка анализа проблемы. [c.255]
М. и. используется для численной оценки качества системы, анализа последствий изменения образа действия элементов системы, изменения правил принятия решения и условий функционирования, отыскания узких мест и путей их преодоления для изучения новых (проектируемых) систем и их совершенствования, проверки новых методов н идей для выяснения правил действия системы и её элементов для обучения специалистов управлению системами, иногда в условиях, к-рые не существуют в реальной действительности как средство прогнозирования поведения систем в предполагаемых условиях. Математич. аппарат, применяемый в процессе М. и., практически ничем не ограничен и может включать в себя как точные, так и приближённые методы. Поскольку, однако, М. и. чаще применяется к системам, имеющим стоха-стич. характер (т. е. функционирующим в условиях, зависящих от случайных факторов), особое значение имеют методы теории вероятностей и математич. статистики. Они применяются как для моделирования входных потоков случайных величин (появление покупателей в магазине, поступление заявок на снабжение или обслуживание, отклонения от заранее составленных планов, отказы в работе оборудования н т. д.), так и для обработки результатов имитации (вычисления матсматпч. ожидания тех или иных событий, определение средней длины очередей и времени обслуживания и т. д.). В результате М. и. получаются статистич. выводы, к-рые позволяют оценить те или иные характеристики системы. [c.424]
Показатели надежности блока при 50%-й нагрузке во многом определяет эквивалентный агрегат ЭАЗ, так как одновременный отказ ЭА1 и ЭА2 практически является маловероятным событием. Оно происходит, когда при отказе одного агрегата отказывает другой за промежуток времени, равный времени восстановления первого. Расчет показателей надежности блока при 50%-й нагрузке производится с использованием расчетных формул (2.8.8) -(2.8.10). Результаты расчетов приведены в табл.2.8. Как и следовало ожидать, величина ГНБ для схемы С при 100%-й номинальной мощности существенно снизилась по сравнению со схемой В, так как в технологической последовательной цепи содержится 8 агрегатов, из которых два агрегата (ГТУ1 и ГТУ2) имеют пониженную наработку на отказ. При 50%-й мощности имеет место частичное резервирование, что сказалось на величине ТНБ- Однако чтобы обосновать рациональность такого режима работы требуется исследовать еще показатели экономичности. Уместно обратить внимание на хорошее совпадение результатов расчета показателей надежности блоков КЭС по различными методикам. Преимущество предлагаемого подхода состоит в том, что получены простые аналитические зависимости для расчета показателей надежности блока через показатели составляющих его агрегатов. Это позволяет проводить углубленный анализ результатов и снимает проблему разработки специального программного обеспечения, необходимого, например, для статистического моделирования. [c.187]
Участников знакомят с методологией ведения бизнеса по системе Six Sigma и дают им возможность научиться использовать статистические инструменты, необходимые для ее применения. Программа семинара построена на основе моделирования реальных ситуаций, чтобы участники изучили методологию определения, измерения, анализа, улучшения и контроля. Статистические методы включают использование схем информационных потоков, анализ стандартных операционных процедур (SOP), диаграммы взаимозависимости, процедуры типа ввод — процесс — выход (IPO), гистограммы, диаграммы рассеивания (курсив авт.), диаграммы Парето, схемы управления, схемы процессов, планирование экспериментов, системы измерения, анализ характера и последствий отказов (FMEA). [c.295]
Однозначно оценить коэффициенты в (2) не представляется возможным, поэтому необходимо сделать дополнительные предположения об их природе. Пусть а -случайная величина, реализующаяся для каждого региона и налога согласно нормальному распределению с ненулевым математическим ожиданием для каждого налога а, и фиксированной дисперсией а Также предположим, что /3 фиксированный вектор, одинаковый для всех территорий и во времени, но с разными элементами для каждого налога. Это равносильно утверждению, что все факторы, влияющие на /3 , в том числе и налоговые усилия территории, предполагаются одинаковыми для всех территорий и постоянными во времени. Такое упрощение ведет к снижению прогнозирующих возможностей модели, но позволяет обойтись без сложного моделирования зависимости /3 от налоговых усилий, разных для территорий внешних и случайных факторов. Отказ от данного упрощения потребует перехода кэконометрическим моделям на основе временных рядов, панельных данных или одномерному детерминистическому методу прогнозирования. [c.71]
Институционализм с его концепцией системного моделирования npi ставляет лишь одно из направлений критики официальной методологии кой доктрины. В последнее время наметилась нарастающая тенденции отрицания с прямо противоположной точки зрения — с позиции апр оризма или радикального рационализма. Если институционалисты пор цают ортодоксальных экономистов за то, что те, декларируя привержс ность к эмпиризму, на самом деле практикуют рационализм, то априорис прямо утверждают, что именно так и должно быть официальной экой мической науке следует не сидеть на двух стульях, а открыто заявить отказе от линии Ньютона и продолжении линии Декарта. [c.354]
От моделирования ракурса организации сначаяа было решено отказаться, так как новая организационная структура должна была разрабатываться позже на базе моделей процессов как должно быть . Моделирование ракурса функций не производилось из соображения экономии ресурсов. [c.144]
Одним из следствий финансового кризиса 1998 г. стал резкий рост цен на импортные товары, падение спроса на них, уменьшение объема импорта коммерческими компаниями, поиск импортзамещающих продуктов. Группа компаний Прогресс тоже отметила значительное падение продаж элитных сортов кофе и в связи с этим решила отказаться от этого вида коммерческого бизнеса. На принятие данного кардинального решения повлияли и невысокие результаты докризисного развития этого направления бизнеса компании. Быстрой перестройке системы управления компанией способствовало наличие в компании Положения об организационной структуре, в котором с помощью средств моделирования Orgware были документированы продукты, функции, исполнительные звенья компании, а также их соответствие друг у друга. [c.110]