Меню

Как называется модель сложного объекта предназначенная для выбора оптимального решения

МОДЕЛИРОВАНИЕ ЛОГИСТИЧЕСКИХ ПРОЦЕССОВ

МОДЕЛИРОВАНИЕ ЛОГИСТИЧЕСКИХ ПРОЦЕССОВ

Приходится заимствовать из других областей знаний (системология, исследование операций, теория управления запасами и др.) различные методы и способы моделирования, но этот путь требует глубокого критического анализа имеющегося спектра моделей, переосмысления их потенциальных возможностей и органических недостатков с точки зрения логистики. В противном случае возникают серьезные трудности, а порой и недоразумения как при выборе способа моделирования, так и при объяснении существа моделируемых логистических процессов.

Любой специалист в области моделирования без особого труда найдет во множестве представленных в литературе по логистике моделей немало фактов, когда результаты моделирования родственных объектов невозможно сопоставить между собой даже по шкале порядка: структурные модели выдаются за функциональные, статические за динамические, концептуальные за информационные и даже за аналитические и т.п.

Чтобы установить ассортиментный ряд моделей, который удовлетворял хотя бы скромным запросам исследователей и практиков в области логистики и помогал сократить время на поиск \»нужных\» моделей, целесообразно обратить более пристальное внимание на известные классификации в теории моделирования сложных физических, экономических и информационных систем [1-3, 5-8].

При таком подходе, согласно [2], по характеру фиксации состояния системы следует различать:

— ситуационное моделирование, при котором для получения прогноза вектора состояний системы Z(T) оценивается изменение состояний z(t) є Z за время Т. По этому признаку к ситуационным можно отнести модели, применяемые для оценки динамики работы службы закупок, интенсивности и мощности каналов товародвижения в распределительной сети, состояния дел по управлению производственными и товарными запасами и т.д.;

— бехивиоральное моделирование, определяющее выходные статистические характеристики y(t) єY на интервале времени [0, Т]. Отсюда бехивиоральными моделями следует считать те, которые дают статистическую оценку степени устойчивости, надежности и адаптивности системы на определенном временном отрезке. К моделям подобного рода можно отнести модели, построенные на основе теории массового обслуживания, поскольку в них используются статистические распределения интервалов между различными логистическими операциями. С их помощью можно оценить уровень функциональности логистической системы по отношению к ранее достигнутому уровню или к соответствующему стандарту в виде среднего времени выполнения и задержки заказа в системе, вероятности его потери и т.п.

В зависимости от формы модельного представления объекта логистизации модельный ряд далее можно разбить на два основных вида: физическое (материальное) и абстрактное моделирование.

Физические модели в общем случае разделяются на натурные и макетные. Понятно, что натурные модели способны лучше других обеспечить адекватное отражение действительности. Вместе с тем проведение натурных исследований сопряжено с громадными трудностями как организационно-экономического, так и научного плана. Обычно \»на натуре\» удается лишь зафиксировать существующее состояние системы без возможности вариаций внешних и внутренних факторов окружающей среды.

При использовании разных вариантов макетного моделирования, например, в форме полупроизводственных испытаний, возможности экспериментатора увеличиваются, но появляется большая вероятность искажения результатов моделирования, особенно в тех случаях, когда не удается установить критерии подобия процессов в модели (макете) и натуре.

Абстрактное моделирование остается пока наиболее приемлемым средством познания в логистике, а чаще всего и единственно возможным. По способам выражения абстрактное моделирование декомпозируется по четырем направлениям: концептуальное, математическое, имитационное и символическое моделирование.

Математические модели в высшем своем проявлении способны на многое, но дать какую-то конкретную характеристику, по которой можно было бы отнести ту или иную модель к математическому типу затруднительно. Слишком громаден диапазон математического действия: от весьма абстрактных моделей в символьных переменных до серьезной проработки вычислительных аспектов.

В зависимости от степени достижения результата при описании механизма протекания исследуемых процессов за счет применения математических методов, их можно условно декомпозировать на четыре группы: аналитические (цифровые), аналоговые, кибернетические и игровые. Можно лишний раз подчеркнуть относительность такой градации.

Читайте также:  Как называется нижняя кульминация солнца

Например, если аналитические, аналоговые и кибернетические модели вполне определенно можно отнести к математическим моделям, то игровые модели способны принимать почти нулевой математический уровень в так называемых \»деловых играх\» и становиться почти на сто процентов аналитическими при формализации конфликтных ситуаций с применением элементов теории игр [4].

Но еще более сложный характер имеют имитационные модели (ИМ). И неудивительно, поскольку по названному признаку практически все классы, подклассы, виды, группы и разновидности абстрактных моделей можно считать имитацией реальной действительности. Для подтверждения правильности данного заключения можно сослаться на классическое определение сущности имитационного моделирования, которое представляется в виде \»процесса формирования модели реальной системы и проведения на этой модели экспериментов в целях выявления свойств системы и определения возможных путей ее создания, совершенствования и (или) эффективного использования\» [5, с. 30].

Весь вопрос заключается лишь в установлении таких правил имитации, при соблюдении которых модель не станет ложной. Среди ученых \»старого\» поколения бытует соответствующее мнение, согласно которому \»в процессе выбора системной модели следует учитывать различную степень их изученности и по возможности избегать использования моделей, не имеющих развитого математического аппарата\» [5, с. 54]. Если придерживаться их мнения, то можно считать, что риск \»заболеть\» неадекватностью отражения реальных процессов при имитационном моделировании будет тем меньше, чем больше будет использоваться соответствующий конкретной специфике математический аппарат. На данном основании имитационные модели можно условно разделить еще на три группы: аналитические, кибернетические и информационные.

В попытке провести тонкую грань между указанными группами будем считать, что признаком аналитического имитационного моделировании являются те случаи, когда имитация структурного и функционального пространства моделируемой системы осуществляется на основе решения системы балансовых уравнений с помощью методов линейного, нелинейного, динамического, статистического и другого вида программирования.

Однако отдавать пальму первенства аналитическим, аналоговым или кибернетическим моделям при имитации реальных процессов в логистике, видимо, не стоит, поскольку многочисленные исключения подтверждают другое правило.
По нему \»в сложных ситуациях только отдельные слагаемые общей проблемы поддаются аналитическим оценкам как из-за отсутствия пока необходимых зависимостей, так, и это, пожалуй, главное, из-за невозможности в ряде случаев ввести шкалу измерений, \»имеющую смысл\» [5, с. 29]. Это свойство познания действительности образует множество видов информационных моделей, которые, неся в себе все основные признаки и правила построения имитационных моделей с опорой на формальный и неформальный аппарат анализа, становятся моделями синтетического порядка, способными в конечном итоге приобрести более высокую практическую ценность по сравнению с концептуальными и аналитическими моделями.

Правда, на означенном пути возникает еще одно существенное препятствие. Даже если информационная модель удовлетворяет всем описанным выше требованиям, объем получаемых от нее сведений становится настолько обширным, что их обработка может оказаться мало эффективной. Требуется дальнейшее совершенствование программных средств путем разработки рациональных процедур формирования и использования обобщенной информации. Такие системы поиска и обработки необходимых данных уже появились и стали широко использоваться в Интернете. Одна из них, получив название \»ASK JEEVES\» (сервис умного поиска), быстро завоевывает мир, а ее зачинатель (Стив Берковец) стал одним из наиболее процветающих бизнесменов США.

Настало время разделить информационные модели на две разновидности: обеспечивающие и не обеспечивающие поиск необходимых сведений для выполнения целевых функций.

Трудно себе представить, чтобы \»сервис умного поиска\» был вне рамок диалогового управления с оперативным определением функциональных и информационных связей между элементами логистической инфраструктуры. В противном случае, каким образом можно оперативно выработать и привязать оптимальные управляющие параметры к соответствующим горизонтам и фазам процесса управления? Возможность проведения итеративной диалоговой процедуры подразделяет информационные системы еще на две разновидности: диалоговые и простые, т.е. с выдачей для традиционного (без обратной связи) анализа таблиц и отношений. Здесь следует признать, что информационные модели бизнес-процесса А. Шеера [6], которые в последние годы все шире начинают применяться для решения логистических задач, как раз и можно отнести к диалоговым системам, имеющим элементы \»ASK JEEVES\».

Читайте также:  Как называется вход в школу

При более близком знакомстве с подобными информационными моделями можно обнаружить, что их устройство во многом основано на использовании символических моделей, разделяющихся в свою очередь на языковые и знаковые (телеологические). В основе языковых моделей лежит строго зафиксированный определенным машинным языком (FORSIM, GPSS, SIMULA, SIMSCRIPT, BOSS, SOL, DYNAMO, MIMIC, и др.) набор однозначных понятий [2], а в знаковых с помощью различных знаков (кванторов, предикатов, обозначений элементов из теории множеств и т.п.) отображается набор необходимых понятий, благодаря чему в отдельных символах дается описание какого-либо реального объекта [7, с. 64-86; 333-358]. Можно сказать, что всевозможные реляционные языки и семантические сети, основанные на алгебре отношений в совокупности с быстро развивающимся аппаратом фреймов и слотов [8], расширяют возможности создания и идентификации средств представления элементов, связей и предметов логистической деятельности, что в конечном итоге способствует появлению и развитию \»ASK JEEVES\» в логистике.

Практически все обозначенные выше типы, группы и виды моделей можно структурировать по так называемым признакам функционального и иерархического порядков. В частности, по признаку целевого назначения модели разделяются на функциональные, структурные, организационные, управляющие, обеспечивающие, а также модели данных и модели выхода [6]. По способам управления системой иногда в логистике используются так называемые модели \»толкающего\» и \»тянущего\» типов. Модель также может получить название от преобладающего вида моделируемого потока: товарная, финансовая, управления, ресурсов, продуктов и т.д.

Градация по степени обобщения объектов моделирования образует локальные, корпоративные, региональные, отраслевые, республиканские и другие виды моделей. Каждую из них можно декомпозировать в зависимости от специфики решаемых задач. Например, локальная операционная модель (ЛОМ) может быть предназначена для исследования проблем управления транспортом, финансами, ресурсами.

Практически все области логистической деятельности пронизывает подсистема управления запасами (УЗ). Считаясь относительно молодой отраслью исследования операций, теория управления запасами уже располагает несколькими сотнями моделей, которые детально классифицируются по нескольким десяткам признаков. Приводить их в полном объеме имеет смысл лишь при создании компьютерной базы знаний по УЗ. Здесь достаточно ограничиться укрупненной классификацией, которая различает модели по: числу номенклатур; числу складов; характеру восполнения; характеру спроса; способу рассмотрения динамики; целевой функции; стратегии восполнения; способу контроля уровня запаса; учету недостач; задержке поставок [8, с. 31].

Кроме того, в зависимости от характера изучаемых процессов все модели могут быть разделены на детерминированные и стохастические, статические и динамические, непрерывные и дискретные. Однако в указанном \»чистом\» виде логистические процессы, и, следовательно, модели, встречаются крайне редко, особенно в детерминированной, статической и непрерывной формах, что сопряжено, главным образом, с нестационарным и независимым характером спроса.

Виктор Осовцев, к.т.н., доцент кафедры маркетинга и рекламы Ростовского государственного университета «РИНХ»

Источник

Урок 9
§13. Модели и моделирование

Содержание урока

Какие бывают модели?

Какие бывают модели?

Существует множество классификации моделей, каждая из которых отражает какое-то одно свойство. Универсальной классификации моделей нет.

По своей природе модели делятся на материальные (физические, предметные) и информационные.

Материальные модели «можно потрогать» — это игрушки, уменьшенные копии самолётов и кораблей, чучела животных, учебные модели молекул и т. п.

Информационные модели — это информация о свойствах оригинала и его связях с внешним миром. Среди них выделяют вербальные модели (словесные, мысленные) и знаковые модели, записанные с помощью какого-то формального языка:

• графические (схемы, карты, фотографии, чертежи);
• табличные;
• математические (формулы);
• логические (варианты выбора на основе анализа условий);
• специальные (ноты, химические формулы и т. п.).

Читайте также:  Как называется церковь на набережной в иркутске

Различают статические и динамические модели.

В статических моделях предполагается, что интересующие нас свойства оригинала не изменяются во времени.

Динамические модели описывают движение, развитие, изменение.

Какие из этих моделей статические, а какие — динамические:

а) модель полёта шарика;
б) фотография;
в) видеозапись;
г) история болезни;
д) анализ крови;
е) модель молекулы воды;
ж) модель развития землетрясения;
з) модель вращения Луны вокруг Земли?

Динамические модели могут быть дискретными и непрерывными.

Модель называется дискретной, если она описывает поведение оригинала только в отдельные моменты времени. Например, модель колонии животных определяет их численность один раз в год.

Непрерывная модель описывает поведение оригинала для всех моментов времени из некоторого временного промежутка. Например, формула у = sin х и график этой функции — это непрерывные модели. Так как компьютер работает только с дискретными данными, все компьютерные модели — дискретные.

По характеру связей модели делятся на детерминированные и вероятностные.

В детерминированных моделях связи между исходными данными и результатами жёстко заданы, при одинаковых исходных данных всегда получается один и тот же результат (например, при расчёте по известным формулам).

Вероятностные модели учитывают случайность событий в реальном мире, поэтому при одних и тех же условиях результаты нескольких испытаний модели могут отличаться. К вероятностным относятся модели броуновского движения частиц, полёта самолёта с учётом ветра, движения корабля при морском волнении, поведения человека. В результате эксперимента с такими моделями определяют некоторые средние величины по результатам серии испытаний, например среднюю скорость движения частиц, среднее отклонение корабля от курса и т. п. Несмотря на случайность, эти результаты достаточно стабильны, т. е. мало меняются при повторных испытаниях.

Используя дополнительные источники, выясните, от каких иностранных слов произошли слова «вербальный», «статический», «динамический», «детерминированный».

По материалам параграфа составьте в тетради схемы различных классификаций моделей.

Имитационные модели используются в тех случаях, когда поведение сложной системы нельзя (или крайне трудно) предсказать теоретически, но можно смоделировать её реакцию на внешние условия. Для того чтобы найти оптимальное (самое лучшее) решение задачи, нужно выполнить моделирование при многих возможных вариантах и выбрать наилучший из них. Такой метод часто называют методом проб и ошибок.

Имитационные модели позволяют очень точно описать поведение оригинала, но полученные результаты справедливы только для тех случаев, которые мы моделировали (что случится в других условиях — непонятно). Примеры использования имитационных моделей:

• испытание лекарств на мышах, обезьянах, группах добровольцев;
• модели биологических систем;
• экономические модели управления производством;
• модели систем массового обслуживания (банки, магазины и т. п.). Для понимания работы процессора можно использовать его имитационную модель, которая позволяет вводить команды в определённом формате и выполнять их, и показывает изменение значений регистров (ячеек памяти) процессора. Подобные модели применяют в том случае, когда нужно написать программу для системы, на которой её невозможно отлаживать (например, для микропроцессора, встроенного в бытовую технику). Такой подход называют кросс-программированием: программа пишется и отлаживается в одной системе, а работать будет в другой. В этом случае другую систему приходится моделировать с помощью имитационной модели.

Игровые модели позволяют учитывать действия противника, например, при моделировании военных действий, соревнований, конкуренции в бизнесе. Задача игрового моделирования — найти лучшую стратегию в игре — план действий, который даёт наилучшие результаты даже в том случае, когда противник играет безошибочно. Этими вопросами занимается теория игр — раздел математики, одним из создателей которого был американский учёный Джон фон Нейман.

Следующая страница Адекватность моделей

Cкачать материалы урока

Источник