Методы имитации

Имитация представляет собой гибкий и продуктивный метод решения задач, получивший распространение на всех уровнях планирования - от стратегического до оперативно-календарного планирования.

В обычном смысле имитация означает воспроизведение реальной действительности. В планировании под имитацией понимают создание модели реальной хозяйственной ситуации и манипулирование с этой моделью в целях обоснования планового решения. Применение имитации в планировании не является чем-то принципиально новым. Словесные описания, таблицы, схемы - все это широко применялось и ранее, до появления моделей.

Ценность имитационных моделей объясняется рядом причин. Во-первых, экспериментирование в реальных условиях очень дорого, а порой просто невозможно. Во-вторых, для наблюдения за реальными изменениями, происходящими в экономике, требуется много времени. В-третьих, имитационные модели помогают плановым работникам лучше понять взаимосвязи факторов, действующих в экономике предприятия.

Имитационные модели широко применяются для решения следующих задач:

• распределения капитальных вложений в условиях возможного риска;

• составления смет капитальных затрат, направленных на максимизацию прибыли предприятия;

• планирования и контроля операций производственного цикла

• составления графиков движения транспорта;

• управления запасами;

• разработки политики кредитования банка путем моделирования использования займа различными клиентами;

• установления зависимости между производством, запасами и сбытом готовой продукции;

• планирования найма и подготовки кадров и т.д.

Как правило, имитационные модели применяются для определения:

• характеристик тех или иных систем, например системы управления запасами или финансами;

• сравнения различных систем (например, производства и снабжения);

• изучения последствий планируемых изменений внутри конкретной системы, например направление финансовых ресурсов по различным каналам.

Методы имитации имеют определенные ограничения:

• во-первых, сложности с созданием модели, написанием программы на ЭВМ и правильным применением модели требуют больших затрат времени и квалифицированного персонала, что не всегда имеется в распоряжении предприятия;

• во-вторых, существует опасность неадекватности установленной связи между некоторыми параметрами модели и реальной ситуации. В реальных условиях выявленная связь может не повториться или носить другой характер.

Имитация - достаточно сложный процесс, который зависит от специфики моделируемого объекта. Например, имитация возможных результатов капитальных вложений в процессе их планирования включает следующие этапы:

1. Построение кривых вероятностного распределения для всех параметров, участвующих в обосновании планового решения, например, размера и доли рынка; цены, затрат, связанных с исследованием рынка; издержек обращения; постоянных и переменных издержек производства; капиталовложений.

На рис. 3.5 приведена кривая вероятностного распределения доли рынка.

2. Имитация реальной ситуации на ЭВМ. ЭВМ выбирает по одному значению каждой переменной в соответствии с вероятностями их достижения.

3. На основе выбранных значений переменных рассчитываются нормы прибыли на вложенный капитал (НВК).

4. Выдача результатов и анализ полученных данных (по форме табл. 3.1).

Из табл. 3.1 видно, какой процент ситуаций приходится на тот или иной интервал значений нормы прибыли на вложенный капитал.

Таблица 3.1

Результаты имитирования реальной ситуации капитальных вложений

Норма прибыли

Процент ситуаций -

 

Кумулятивная

 

на капиталовложения, %

 

вероятность наступления

 

величина вероятностей

 

30-40

 

5

 

5

 

20-30

 

19

 

24

 

10-20

 

33

 

57

 

0-10

 

21

 

78

 

-10-0

 

14

 

92

 

-30—-10

 

8

 

100

 

5. Построение кривой риска на основе кумулятивной величины вероятностей (рис. 3.6).

Из рис. 3.6 и табл. 3.1 видно, например, что вероятность получения прибыли на планируемые капитальные вложения составляет 78 %, а вероятность того, что они окажутся убыточными, равна 22 %. Имеется 5 шансов из 100, что норма прибыли составит 30-40 %.

Если руководство фирмы считает, что вероятность убытков слишком велика, можно получить иные вероятностные распределения, имитируя изменение ситуации различными действиями. Например, в нашем случае мы получим другой вид зависимости, если изменим соотношение объемов выпуска различной продукции, или проведем реконструкцию завода, или изменим стратегию сбыта или цены. Имитирующая модель может быть затем проиграна снова для определения влияния подобных изменений. Прежде чем принимать оперативные решения, управляющие могут проанализировать риск, связанный с осуществлением различных вариантов политики в области капиталовложений.

Вершиной достижений имитационного моделирования можно считать модель Джея Форрестера, охватывающую большую часть производственно-хозяйственной деятельности предприятия и получившую название индустриальной динамики, являющейся одновременно и концепцией планирования, и моделью.

Вот как характеризует свой метод сам Форрестер. Индустриальная динамика представляет собой изучение деятельности предприятия как системы с обратной связью, с тем чтобы показать, как влияют на успешную работу предприятия организационная структура, опережение и запаздывание. Она рассматривает взаимодействия между потоками денежных средств, заказов, материалов, рабочей силы и оборудования, связанными воедино через информационную сеть

Форрестер в своей модели рассматривает фирму как электрическую схему и определяет информационную структуру предприятия, факторы, вызывающие запаздывание, величину запаздывания в каждом структурном звене, а также политику и прогнозы, которые ведут к усилению возмущающего воздействия. Модель определяет последовательные связи между этими факторами и описывает их через математические уравнения. Поскольку число уравнений велико, потребовалось создать специальный язык, позволяющий перейти от системы уравнений к написанию рабочих программ ЭВМ. Такой язык был разработан и получил название "динамо".

Подобная модель позволяет управляющим в ситуации, представленной графиком на рис. 3.7, достичь гораздо большей стабильности (рис. 3.8) в работе. Оба рисунка представляют в весьма упрощенном виде довольно сложные графики, построенные с помощью ЭВМ на основании динамической модели программного предприятия.

Модель позволяет сформулировать политику, дающую возможность улучшить взаимосвязи между переменными и соответствующим образом осуществлять планирование и контроль.

Широкое распространение в планировании получил метод Монте-Карло, особенно при анализе риска. Этот метод имитации применим для решения почти всех задач при условии, что альтернативы могут быть выражены количественно. Построение модели начинается с определения функциональных зависимостей в реальной системе, которые впоследствии позволяют получить количественное решение, используя теорию вероятности и таблицы случайных чисел.

Модель Монте-Карло не столь формализована и является более гибкой, чем другие имитирующие модели. Причины здесь следующие:

1) при моделировании по методу Монте-Карло нет необходимости определять, что именно оптимизируется;

2) нет необходимости упрощать реальность для облегчения решения, поскольку применение ЭВМ позволяет реализовать модели сложных систем;

3) в программе для ЭВМ можно предусмотреть опережения во времени.

Типичным примером задачи, которая может быть решена на основе модели Монте-Карло, может быть задача на обслуживание. Например, при планировании стратегии развития ресторана быстрого обслуживания необходимо знать, как долго в среднем приходится посетителю ждать обслуживания (среднее значение ожидания). Работа ресторана характеризуется следующими параметрами. Посетители обслуживаются последовательно на одной кухне. Прибытие клиентов носит случайный характер. Поступление заказов характеризуется следующими данными: интервалы поступления требований до 10 мин составляет 40 %, случаев от 10 до 20 мин. - 60 %. Продолжительность обслуживания в зависимости от вкусов клиентов - также величина случайная. В 80 % случаев на обслуживание требуется 10 мин., в остальных случаях-30 мин.

В табл. 3.2. представлены результаты решения задачи на основе имитационной модели Монте-Карло, в которой интервалы между прибытием клиентов и временем обслуживания представлены последовательностью случайных чисел.

Для интервалов между прибытиями выберем следующую случайную последовательность: 0, 1,2, 3, 4, 5, 6, 7, 8 или 9.

Если выбраны числа 0,1,2 или 3, то продолжительность интервала между поступлением двух требований составляет 10 мин. Если выбраны числа 4,5,6,7,8 или 9, продолжительность интервала равна 20 мин. Аналогичным образом определяется время обслуживания, которое наступает после истечения интервала прибытия. Для этого выбирается второе случайное число. Если выбраны числа 0,1,2,3,4 5,6 или 7, время обслуживания составит 10 мин. Если выбраны числа 8 или 9, обслуживание клиента длится 30 мин.

Из табл. 3.2 видно, что для 10 испытаний, приведенных в таблице суммарное время ожидания составляет 60 мин., или в среднем по 6 мин. на клиента. Данный пример оставляет без ответа многие вопросы, и среди них вопрос о необходимом количестве испытаний, позволяющем с достаточной точностью определить время ожидания.

Таблица 3.2 Решение задачи обслуживания с применением метода Монте-Карло

Номер образца

Первая случайная цифра

Интервал до прибытия, мин

 

Время прибытия

 

Время начала обслуживания

Вторая случайная цифра

Время до обслуживания, мин

 

 

Время окончания обслуживания

Время ожидания, мин

 

Время простоя, мин

 

1

 

2

 

3

 

4

 

5

 

 6

 

7

 

8

 

9

 

10

 

1

 

-

 

-

 

0

 

0

 

2

 

10

 

10

 

0

 

0

 

2

 

1

 

10

 

10

 

10

 

8

 

30

 

40

 

0

 

0

 

3

 

9

 

20

 

30

 

40

 

6

 

10

 

50

 

10

 

0

 

4

 

8

 

20

 

50

 

50

 

7

 

10

 

60

 

0

 

0

 

5

 

8

 

20

 

70

 

70

 

9

 

30

 

100

 

0

 

10

 

6

 

2

 

10

 

80

 

100

 

4

 

10

 

110

 

20

 

0

 

7

 

0

 

10

 

90

 

110

 

1

 

10

 

120

 

20

 

0

 

8

 

7

 

20

 

110

 

120

 

3

 

10

 

130

 

10

 

0

 

9

 

4

 

20

 

130

 

130

 

4

 

10

 

140

 

0

 

0

 

10

 

9

 

20

 

150

 

150

 

9

 

30

 

180

 

0

 

10

 

Примечание.   Колонка 8 = колонка 5 + колонка 7,

 колонка 9 = колонка 5 - колонка 4,

 колонка 10 = колонка 5 - цифра в предшествующем ряду колонки 8.