Dom » Poslovni planovi » Inteligentno upravljanje projektima i simulacijsko modeliranje. Modeliranje upravljačkih odluka Situaciono modeliranje u upravljanju projektima

Inteligentno upravljanje projektima i simulacijsko modeliranje. Modeliranje upravljačkih odluka Situaciono modeliranje u upravljanju projektima

Osnovne definicije u upravljanju projektima. Praćenje napretka projekta. Organizacione strukture. Mrežni grafikon. privremeni modeli. Upravljanje resursima. Praćenje napretka projekta. Ganga Chart. Raspored ranog početka/kasnog početka. Matrix Project. Metoda kritičnog puta (CPM). Metoda evaluacije i revizije programa (Program Evaluation and Report Technique - PERT). Model vremena i troškova. Samostalni projekat (Pure Project). Struktura raščlanjivanja projektnog rada (WBDS). Upravljanje projektima ( upravljanje projektima). Funkcionalni projekat (Funkcionalni projekat). Modeliranje razvoja proizvoda i izbor tehnološkog procesa u proizvodnom sektoru Dizajn proizvoda. Dizajniranje toka proizvodnje. Analiza procesa. Kriterijumi za izvrsnost u procesu stvaranja proizvoda. Analiza rentabilnosti. Virtuelna fabrika (virtuelna fabrika) Mapa tehnološkog procesa. (DIJAGRAM TOKA PROCESA). Matrix "kuća kvaliteta" (House of Quality). Kontinuirani protok. Prikazana proizvodnja (Job Shop). Matrica proizvoda i procesa. Funkcionalna analiza troškova (Value Analysis / Value Engineering). Tehnologije u proizvodnji. Integrisani proizvodni sistemi. Tehnologije u uslužnom sektoru. Procjena povrata ulaganja u tehnologiju. Automatizovani sistemi planiranje i upravljanje proizvodnjom (Automated Manufacturing Planning and Control Systems - MP&CS). Automatizovani sistemi za rukovanje materijalima (AMH). Fleksibilni proizvodni sistemi (Flexible Manufacturing Systems - FMS). Integrisani proizvodni sistemi (Computer-Integrated Manufacturing - CIM). Uredska automatizacija (Office Automation). Sistem kompjuterski potpomognuto projektovanje(Dizajn pomoću računara - CAD). Klijent/Server sistemi. Podrška odlučivanju i ekspertni sistemi. Sistemi za prepoznavanje slika (Sistemi za obradu slika. Elektronska razmjena podataka - EDI). MODUL 3: MODEL DIZAJN USLUGA I ODABIR SERVISNOG PROCESA Suština usluga. Operativna klasifikacija usluga. Dizajn uslužnih organizacija. Strukturiranje servisnih kontakata. Tri vrste servisnih sistema. Usluga u okruženju korisnika (Field-Based Services). Usluga u okruženju uslužnog preduzeća (Facilities-Based Services). Service Package. Servisne garancije (Servisne garancije). Service Plan(Nacrt usluge). Matrica servisnog sistema (Service-System Design Matrix). Service Focus Modeliranje upravljanja redovima Ekonomska suština problema redova. Sistem čekanja. modeli redova. Računarsko modeliranje redova čekanja. Intenzitet dolaznog toka (Stopa dolaska). Intenzitet usluge (Stopa usluge). Konačni red (Finite Queue). Višekanalna, višefazna struktura (Multichannel, Multiphase). Jednokanalna, jednofazna struktura (Single Channel, Single Phase). Red Poissonova distribucija. Sistem čekanja. Eksponencijalna distribucija. Modeliranje upravljanja kvalitetom Zahtjevi kvaliteta i troškovi osiguranja kvaliteta. Kontinuitet poboljšanja. Šintoistički sistem. Totalno upravljanje kvalitetom (TQM). Troškovi osiguranja kvaliteta (Cost of Quality - COQ). Kvalitet dizajna. Kvalitet na izvoru. Kontinuirano poboljšanje (CI). "Zero Defects" (Zero Defects). Definicija mjerila (Benchmarking). Indikatori kvaliteta (Dimenzije kvaliteta). Poka Yoke postupak. Usklađenost kvaliteta. ISO standardi 9000. Ciklus "planiranje - izvršenje - provjera - reakcija" (PDCA Cycle - Plan-Do-Check-Act). MODUL 4 "MODELIRANJE PROIZVODNIH KAPACITETA I PROCESA RADA" Strateško planiranje kapaciteta. Fleksibilnost kapaciteta. Decision Tree. Stopa iskorištenosti kapaciteta. Proizvodni kapacitet (Kapacitet). Rezerva snage (Capacity Cushion). Strateško planiranje kapaciteta. Snaga fokusiranja (Capacity Focus). Efekat obima proizvodnje (ekonomija obima). Pravo na vrijeme (JIT) proizvodni sistemi JIT logika. Japanski pristup produktivnosti. Sjevernoameričke varijante JIT-a. JIT sistemski zahtjevi. JIT u uslužnom sektoru. Automatska kontrola kvaliteta (Automatska kontrola). Potpuna kontrola kvaliteta (TQC). "Pulling" (povlačenje) proizvodni sistem "Kanban" (Kanban Pull System). Grupna tehnologija (Group Technology). Kvalitet na izvoru. Krugovi kvaliteta. Metoda zamrznutog prozora. Preventivno održavanje i popravka opreme (Preventive Maintenance). Mreža specijalizovanih fabrika (Focused Factory Network). Just-In-Time (JIT) sistem. Stepeni raspored (Raspored nivoa). Upravljanje odozdo prema gore (Bottom-Round Management). Postavljanje proizvodnih i uslužnih objekata Kriterijumi za postavljanje proizvodnih objekata. Metode postavljanja industrijska preduzeća. Postavljanje uslužnih objekata. Analitički Delphi model. Metoda centra gravitacije. Regresijski model. Sistemi "faktorskog rejtinga" (Factor-rating system). Ardalan Heuristic Method. Postavljanje opreme i raspored prostorija Glavni načini postavljanja opreme. Postavljanje opreme po tehnološkom principu. Postavljanje proizvodnje prema predmetnom principu. Balansiranje montažne linije (Assembly-Line Balancing). Metoda sistematskog planiranja rasporeda (SLP). Izgled ureda. Prioritetni odnos. Postavljanje opreme prema principu predmeta (Product Layout). Postavljanje opreme po principu grupne tehnologije (Group Technology Layout). Postavljanje opreme po principu servisiranja fiksnog objekta (Fixed-Position Layout). Postavljanje opreme po tehnološkom principu (Proces Layout). Lokacija usluge i trgovinska preduzeća(Izgled maloprodajnih usluga). "Servicescape" (Servicescape). Uporedni metod kompjuterskog postavljanja proizvodnih objekata (Computerized Relative Allocation of Facilities Technique - CRAFT). Takt (vrijeme ciklusa).

MODUL 5 "MODELIRANJE PROCESA RADA I REGULACIJA RADA" Odluke o planiranju proces rada. Bihevioralni aspekti u planiranju procesa rada. Fiziološki aspekti u planiranju procesa rada. Metode rada. Mjerenje i regulacija rada. Sistemi finansijskih podsticaja za rad.

Mjerenje rada (Work Measurement). Metoda posmatranja uzorka (Work Sampling). MOST (Most Work Measurement Systems) metoda normalizacije. Metode mjerenja radnog vremena (Methods Time Measurement). Standardi mikroelemenata (Elemental Standard-Time Data). Sistemi za racionalizaciju mikroelemenata (Predetermined Motion-Time Data Systems - PMTS). Vremenska norma (standardno vrijeme). Normalno vrijeme. Planiranje procesa rada (Job Design). Sistemi rada sa proširenim odgovornostima (Job Enrichment). Sistemi finansijskih podsticaja (Financial Incentive Plans). Sociotehnički sistemi rada (Sociotechnical Systems). Specijalizacija rada. Učešće u prihodu (Gain Sharing). Učešće u dobiti (Profit Sharing). Fiziologija rada (Work Physiology). Tajming (Proučavanje vremena). Modeliranje upravljanja nabavkom. Upravljanje nabavkom Upravljanje lancem snabdevanja. Nabavka. Kupovina na vreme. Globalni izvori snabdevanja. potoci elektronske informacije u opskrbi. Outsourcing. Brzi odgovor (Quick Response - QR). Vrijednost tereta (Value Density). Nabavka "baš na vrijeme" (Just-in-Time Purchasing). Logistika. "Proizvodi ili kupi" (napravi ili kupi). Strateško partnerstvo. Kontrola materijalni tokovi(Upravljanje materijalima). Lanac opskrbe. Efikasan odgovor na zahtjeve potrošača (Efficient Consumer Response - ECR). Predviđanje Upravljanje potražnjom. Vrste predviđanja. komponente potražnje. Metode kvalitativnog predviđanja. Analiza vremenskih serija. Kauzalno (uzročno) predviđanje. Izbor metode prognoze. Predviđanje fokusiranja. Računarsko predviđanje.

Analiza vremenskih serija. Grupna saglasnost (Konsenzus panela). Zavisna potražnja. Istraživanje tržišta. Alpha konstante zaglađivanja. Grass Roots. Delphi metod Izvršna presuda. Independent Demand. Uzročna (uzročna) veza (Kauzalna veza). Predviđanje zasnovano na linearnoj regresiji (Linear Regression Forecasting). Sezonski faktor. Pokretni prosjeci. Desezonizacija potražnje. Srednja apsolutna devijacija. Tracking Signal. Trend Effect. Prognoza fokusiranja (Focus Forecasting). Eksponencijalno izglađivanje.

Kumulativno planiranje

Vrste planiranja. Hijerarhijsko planiranje proizvodnje. Kumulativno planiranje proizvodnje Metode kumulativnog planiranja. Dugoročno, srednje i kratkoročno planiranje (Long-, Intermediate- and Short-Range Planning). Zaliha gotovine (inventar na raspolaganju). Master plan proizvodnje (MPS). Planiranje zahtjeva za kapacitetom (CRP). Grubo planiranje kapaciteta. Mješovita strategija. Agregatno planiranje Strategije planiranje proizvodnje(Strategije planiranja proizvodnje). Čista strategija.

Ovaj članak je planiran kao prva publikacija u nizu članaka o inteligentnom upravljanju projektima.
U publikaciji će se ukratko raspravljati o pitanjima simulacije upravljanja projektima (PM) i intelektualizacije PM-a.

Pretpostavlja se da čitalac ima površno poznavanje teorije upravljanja projektima i analiza sistema, kao i eventualno sa projektovanjem informacionih sistema. Dubinsko poznavanje svih ili neke od oblasti može izazvati neodoljivu želju da napišete komentar, što je dobrodošlo!...ili dobaciti nešto teško autoru...
Pa počnimo.

1. Model projekta

U skladu sa PMBoK 5 (1), postoji nekoliko oblasti znanja o upravljanju projektima (nećemo se doticati svih njih). U svakoj od oblasti projekat se razmatra iz različitih uglova, izdvajaju se sve vrste subjekata/objekata, metode upravljanja i njihov uticaj na projekat, kao način organizovanja rada za postizanje specifične svrhe ili rješavanje problema. Ovdje ćemo samo ukratko opisati tipične objekte koji se mogu identificirati u upravljanju projektima, njihove karakteristike, odnose, kao i opću mehaniku simulacije i njenu korespondenciju sa životnim ciklusom projekta.

Tipični objekti i njihove karakteristike
Projekt ima sljedeće karakteristike: vođa, naziv, tip, planirani datum početka, stvarni datum početka, planirani datum završetka, stvarni datum završetka, trenutno stanje životnog ciklusa, početni bilans projekta, tekući bilans projekta.
Karakteristike izračunate ili utvrđene na osnovu ostalih objekata: projektni tim, procenat izvršenih radova, zaostajanje ili prednjačenje u obimu izvedenih radova, zaostajanje ili prednjačenje u terminima, planirani trošak.
Zadatak/Posao- ovdje su naznačene karakteristike slične projektu kojima se dodaju: preuzimač, odgovorni izvršilac, vrsta obavljenog posla, projekat, mjesto, procenat završenosti.
Karakteristike izračunate ili određene na osnovu drugih objekata: redosled izvođenja u okviru projekta, sastav izvođača, istorija promena stanja, cena izvršenja zadatka/rada.
materijalni resurs(stalna sredstva): vrsta objekta, datum registracije, datum puštanja u rad, naziv, knjigovodstvena vrijednost.
Obračunava se ili utvrđuje: amortizacija, trenutno stanje, gdje se trenutno koristi, raspored korištenja.
Potrošni resurs(sirovine, rezervni dijelovi): vrsta resursa, početne zalihe, lokacija, rok isporuke, rok trajanja.
Procijenjene ili utvrđene: tekuće rezerve, intenzitet potrošnje
Osoblje: puno ime, stalni radni odnos.
Procijenjeno ili utvrđeno: raspoloživost za posao, kompatibilnost sa drugim zaposlenima, trenutna lokacija za vrijeme trajanja posla, gdje je uključeno, raspored rada.
Rizik: vjerovatnoća nastanka, trošak štete, opis, trajanje utjecaja, indikator okidača rizika.
Proračunati ili utvrđeni: mjere za otklanjanje posljedica, mjere za sprječavanje nastanka ili izbjegavanja, trošak, vrijeme implementacije.

Odnosi i zavisnosti
Projekat--zadatak- izvode se u rokovima projekta.
zadatak--zadatak- može imati hijerarhijski odnos (vertikalni), može imati odnos u obliku indikacije sekvence izvršavanja (horizontalno).
Materijalni resursi -- zadatak– vezan je kroz odnos rasporeda prema zadatku, što ukazuje na raspored korištenja.
Potrošni resurs - zadatak– vezan je kroz odnos rasporeda prema zadatku sa naznakom potrebne margine za njegovu realizaciju.
Osoblje - zadatak– može se koristiti u okviru više zadataka, za koje je naznačen raspored rada i procenat korišćenja u zadatku.
Rizik--[Objekat]– kada se specificira odnos sa [Objekat], ukazuje se verovatnoća pojave.
Naravno da nije kompletna lista objekata.

Mehanika
Svaki ciklus modeliranja odgovara određenom vremenu - 1 dan/sat projekta koji se izvodi. Da bismo to učinili, prihvatit ćemo sve termine i intervale u projektu - višekratnike 1 dan/sat. Dijagram petlje simulacije je prikazan u nastavku:

Ciklus simulacije je sljedeći:

Postavite početne vrijednosti za projekat koji će se simulirati. Izrađuje se projekat, priprema se raspored projekta, stablo rizika. U ovoj fazi su dostupne i funkcije intelektualne podrške za upravljanje projektima, ali ovaj korak se ne može završiti bez donosioca odluka.
Iteracija počinje određivanjem efektivnih vrijednosti.
Izvođenje takta. Svaki ciklus simulacije izvodi sljedeće operacije:
- resursi se troše na zadatke,
- provjerava se vjerovatnoća kvarova (rizika),
- izvodi se određeni obim radova sa spiska radova za projekat,
- finansijske transakcije za projekat.
Pohranjuje izračunate vrijednosti za određenu mjeru
Provjera uslova za završetak simulacije.
Završetak simulacije i izlaz rezultata (analitičke, agregirane i detaljne vrijednosti po koracima simulacije). Na kraju simulacije pohranjuju se posljednje (konačne) vrijednosti i razlozi za prekid simulacije.
Izdavanje korisniku (ili donosiocu odluka - donosiocu odluka) informacija o stanju projekta bez upotrebe optimizacija, analitičkih modula i podrške odlučivanju. Korisnik treba reagirati na trenutno stanje (ako je potrebno) ili nastaviti simulaciju.
Evaluacija upravljačkih odluka korisnika na osnovu trenutnih vrijednosti, kao i retrospektiva njihovih promjena i upravljačkih odluka koje korisnik donosi korištenjem algoritama optimizacije, analitičkih modula i podrške odlučivanju.

U skladu sa životnim ciklusom projekta razlikujemo:

inicijalizacija i planiranje projekta - 1 korak
implementacija projekta - 2-5, 7 i 8 korak ciklusa
završetak projekta - korak 6

Opće napomene
Svi podaci srednjih koraka simulacije se pohranjuju i akumuliraju unutar trenutne simulacije. U daljem radu optimizacijskih algoritama (u 8. koraku ciklusa simulacije) mogu se koristiti podaci kako trenutne tako i prethodne završene simulacije (prilagođene rezultatu završetka simulacije).
Kod nekoliko istovremeno izvedenih projektnih aktivnosti, simulacija za njih se izvodi kao paralelno (tj. simulira se simultano izvođenje), u nedostatku neslaganja o korištenim resursima.
Ako postoji više zaposlenih/vrsta resursa, simulacija se radi za svakog od njih paralelno (tj. troše se istovremeno), ako nema neslaganja o korištenim resursima.

2. Tehnologije implementacije

Glavna pitanja koja se razmatraju:

pohranjivanje strukture podataka projekta u bazi podataka
interfejs za interakciju korisnika sa strukturom baze podataka
alati za implementaciju servera simulatora
interfejs za interakciju između baze podataka i servera simulatora
pohranjivanje neuronske mreže i međukoraci iteracije simulatora
interakcija između interfejsa aplikacije i neuronske mreže

Kako je lako vidjeti objekte projekta i veze između njih, lako ih je predstaviti u obliku relacija baze podataka i pohraniti u ovom obliku također nije teško, tj. relaciona baza podataka će biti dovoljna - MySQL, na primjer.
Za razvoj interfejsa, izabraćemo Yii 2 framework (i odgovarajući tehnološki stek - PHP, HTML, itd.).
Implementacija servera simulacije - Node.js
Implementacija neuronske mreže za Node.js, na primjer - habrahabr.ru/post/193738
Interakcija sa frontendom (Yii2) i Node.js - github.com/oncesk/yii-node-socket
Pitanje formata skladištenja same neuronske mreže ostaje otvoreno, što podliježe sljedećim zahtjevima:

Odraz svojstava neuronske mreže (odnosi, težine veza, itd.)
Siguran pristup (izbjegnite direktan utjecaj korisnika na mrežu)
Sposobnost treniranja mreže.

2. Kontrolna logika

Za svaku od oblasti znanja o upravljanju projektima postoje iskazi problema i opisane matematičke metode za njihovo rješavanje, s kojima je autor površno upoznat. U zavisnosti od modela upravljanja, poznavanje ovih pravila i metoda rešavanja problema trebalo bi preraspodeliti između sistema i korisnika. Modeli upravljanja su sljedeći: (1)

upravljanje sa obavještenjima- sistem ne utiče na objekat (projekat), ali prikazuje obaveštenja o promenama indikatora i mogućnosti izvođenja radnji (od donosioca odluke se traži donošenje odluka i maksimalno znanje).
interaktivna kontrola- sistem nudi kontrolne radnje, ali odluka ostaje na donosiocu odluke (odlučivanje ostaje na donosiocu odluke).
heuristička kontrola- sistem sam donosi odluke i izvršava neke radnje (donosilac odluka je isključen iz procesa upravljanja).

Sama implementacija upravljanja sastoji se u praćenju i analizi ukupnosti karakteristika projekta i procjeni njihovog odstupanja od „normalnog“ za određeno vrijeme, uzimajući u obzir dinamiku njihove promjene. Kontrolne akcije se biraju na osnovu dobijenih podataka (tj. ako se takva kombinacija karakteristika nekog efekta poklapa), kao i analiziraju slični projekti sa sličnim situacijama i odluke koje se u njima donose. U skladu sa stepenom ili stepenom odstupanja mogu se primeniti određene metode uticaja:

Preraspodjela resursa između zadataka;
Preraspodjela radnih resursa između zadataka;
Reprogramiranje zadataka;
Planiranje nabavke;
Izbjegavanje ili poduzimanje mjera za otklanjanje posljedica rizika.

Za metode uticaja važne su sledeće karakteristike: stepen usklađenosti sa situacijom, trajanje implementacije, cena implementacije, moguće vreme početka implementacije. Za određivanje primjenjivog načina izlaganja važno je:

Karakteristike koje su odredili stručnjaci.
Dostupnost informacija u akumuliranoj bazi podataka o završenim projektima.

Logično je izgraditi ove mehanizme koristeći neuronske mreže i fuzzy logiku. Ovi algoritmi se mogu koristiti kako u fazi inicijalizacije i planiranja projekta, tako iu fazi njegove implementacije. Moguće je izvršiti analizu - kako promijeniti karakteristike nakon primjene kontrolne akcije.

3. Intelektualizacija simulacije

To. u fazi taktnog izvršenja, donosilac odluke može biti potpuno isključen iz procesa upravljanja. Šta je potrebno za ovo? Za modeliranje događaja potrebna su preciziranja nekih karakteristika (približnih). Da bi izvršio kontrolne radnje, sistem mora "znati" neke dodatne informacije o predmetnoj oblasti, na primjer:
1. Preraspodjela resursa između zadataka.

zamjenjivost resursa - može se postaviti pomoću tabela matrice korespondencije;
vjerovatnoća kvara resursa - vjerovatnoća je naznačena u rasponu od Xmin do Xmax;
mogućnost paralelne upotrebe od strane više izvršilaca - kao logičko svojstvo zadatka.

2. Preraspodjela radnih resursa između zadataka.

zamjenjivost i nekompatibilnost osoblja - može se postaviti matričnim tabelama korespondencije;
produktivnost rada - kao izračunata vrednost na osnovu podataka o: radnom iskustvu, starosti, usavršavanju itd.
omjer vrste obavljenog posla i vještina potrebnih za njegovu realizaciju na sličan način rješavaju matrice;
vjerovatnoća izostanka radnih resursa (vjerovatnoća bolesti) - vjerovatnoća je naznačena u rasponu od Xmin do Xmax;
mogućnost paralelnog izvršavanja jednog rada od strane više izvođača - kao logičko svojstvo zadatka.

3. Promjena rasporeda zadataka.

da li je moguće suspendovati zadatak, ili bi izvršenje trebalo da bude kontinuirano - kao logičko svojstvo zadatka;
da li je zadatak uključen u "kritični put" (tj. vrijeme njegove implementacije direktno utiče na tajming završetka projekta) određuje sistem "u hodu".

4. Planiranje nabavke.

intenzitet potrošnje resursa - određuje sistem "u hodu".
mogućnost kupovine potrebnu opremu- kao logičko svojstvo zadatka.

5. Izbjegavanje ili poduzimanje mjera za otklanjanje posljedica rizika.

vjerovatnoća kvarova opreme - vjerovatnoća je naznačena u rasponu od Xmin do Xmax;
moguće opcije za izbjegavanje i otklanjanje posljedica - rješavaju se matricama ili listama usklađenosti (sa naznakom stepena usklađenosti).

Ovo nije potpuna lista zadataka. Ovdje je potrebno napomenuti i činjenicu da ne može postojati univerzalno rješenje ni za jedan projekat, a ono što je dobro za jedan projekat je smrt za drugi. To. potrebne su određene ključne karakteristike, njihove kombinacije i njihove vrijednosti koje bi omogućile tipkanje i klasifikaciju, odabir sličnih projekata za obuku sistema, na primjer:

vrste uključenih resursa;
vrste dodijeljenih zadataka;
kvalifikacije i vještine uključenog osoblja;
veličina budžeta;
trajanje projekta;
uspjeh projekta;
broj učesnika itd.

Daleko od posljednje uloge igrat će faktor neizvjesnosti i gore opisanih karakteristika i karakteristika samog projekta.

4. Više agencija

Kao što je gore navedeno, nesuglasice o korištenju resursa mogu biti kako unutar projekta između zadataka, tako i između različitih projekata koji koriste iste resurse. Da bismo pojednostavili rad sa resursima, izabraćemo agenta, kojeg ćemo nazvati "Resource Arbiter". Njemu će se agenti „Projekata“ obratiti za potrebne resurse, što će omogućiti preraspodjelu čak i rezerviranih resursa u zavisnosti od važnosti (kritičnosti) zadataka ili projekata koji se izvode.

Zaključak

Šta će dati takvo simulacijsko modeliranje ili simulacija upravljanja projektom? Odgovor je jednostavan:

upravljanje sa obavještenjima- može se koristiti kao obuka ili testiranje donosioca odluka za poznavanje određenih principa ili sposobnost rješavanja problema vezanih za upravljanje projektima.
interaktivna kontrola- razvoj nekih praksi i njihovo testiranje na modelu. To će omogućiti promjenu modela kako bi odgovarao situaciji, ili obrnuto, da bi se ocijenilo ovladavanje metodama rješavanja PM problema od strane samog donosioca odluke (samoispitivanje).
heuristička kontrola- mogućnost velikog broja simulacijskih vožnji i akumulacije određenog iskustva (podataka) o tim simulacijama za njihovu dalju analizu.

Međutim, sama imitacija i simulacija nije krajnji cilj. Kao rezultat akumulacije dovoljno tačnih jednostavnih i složenih modela u bazi simulacije, razvoja i otklanjanja grešaka ponašanja simulacionog modela i modula koji obavljaju interaktivnu interakciju i heurističko upravljanje (bez donosioca odluka), moguće je koristiti akumulirana pravila i algoritmi za kontrolu (ili inteligentnu podršku kontrole) stvarnih projekata (3).
Implementacija ovakvog sistema u vidu SaaS rješenja, uz uključivanje određenog broja učesnika, omogućit će pristup radnom iskustvu (bezličnom) drugih učesnika (uz mogućnost učenja sistema).

Spisak korištenih izvora

pmlead.ru/?p=1521 . [na internetu]
www.aaai.org/ojs/index.php/aimagazine/article/view/564. [na internetu]
us.analytics8.com/images/uploads/general/US_2010-10_Whitepaper_BI_Project_Management_101.pdf . [na internetu]

1. Izjava o problemu situacionog upravljanja (filozofija situacionog pristupa)

situaciono modeliranje je grana sistemsko-analitičke djelatnosti koja doživljava preporod u modernom svijetu.

Prva inkarnacija - čisto naučna - dogodila se prije nekoliko decenija u odnosu na objekte i zadatke koji su više "romantični" nego praktični: modeliranje razmišljanja, strategije igranja, modeliranje rasta ili multifaktorskog ponašanja. Objekti su definisani kao „složeni“, tj. one u odnosu na koje je nemoguć strog funkcionalni ili iscrpni „matrični“ (nabrajanjem svih vrednosti parametara) opis, što ih svrstava u klasu „kartezijanskih“ objekata sa linearnom kauzalnošću. Indikacija „ugniježđenja“ sistema jedan u drugi (dekompozicija) imala je više filozofsko (epistemološko) značenje nego formalno, matematičko. Međutim, sve je to postepeno dobijalo rigorozno naučno opravdanje u vidu kibernetike, teorije skupova, matematičkih teorija reprezentacije nelinearnih procesa i teorije katastrofa.

situaciono modeliranje oslanja se na strogost teorijskih pristupa, ali dodatno sadrži sredstva za variranje uslova „uprkos“ formalnim ograničenjima. Sa čisto tehničke tačke gledišta, najnoviji dodatak kao alat za modeliranje pojavio se upravo poslednjih godina zahvaljujući razvoju računarskih aplikacija (objektno orijentisano programiranje, tehnologije slučaja, GUI i drugi alati za vizualizaciju). Kao odgovor na razvoj ovih sposobnosti, povlači se jedan ili drugi teorijski osmišljen aparat: vjerovatnoća modeliranja, fuzzy logike... Dakle, situacijsko modeliranje, bez obzira na svoju početnu „sanjivost“ (navedeno kao pokušaj da se složeni procesi predstave u kategorijama normalnog ljudskog jezika, jezik situacija, za razliku od bezuslovno poštovanog, ali jezik integro-diferencijalnog računa, koji je teško povezati sa konkretnim situacijama) - situaciono modeliranje postaje i moguće i ispravnije sa stanovišta stroge teorijske validnosti.

Konačno, posljednja napomena u vezi s problemom holističkog predstavljanja objekata je da svjesno postavljeni zadatak situacijskog modeliranja vodi potrošača modela (u komercijalnoj aplikaciji, šefa poduzeća) u „virtuelnu stvarnost“: on predlaže se za „razigravanje“ situacija. Odigrani scenariji nisu obavezni da se ostvare, ali mogu upozoriti - i to je njihova bezuslovna korisnost.

Način implementacije situacijskog modeliranja – - skup inteligentno organizovanih radnih mesta sa automatizovanim preuzimanjem i nadopunjavanjem informacija (uključujući konvertore podataka), procedurama za izgradnju modela, analizom situacije, izvođenjem modela, grafičkim prikazom izgubljenih scenarija.

situaciono modeliranje je jedan od pristupa modeliranju. Pored situacionog modeliranja, postoje i , .

Proces modeliranja može se podijeliti na dva dijela: projektovanje sistema (modeliranje) i simulacija modela (simulacija). Termin imitacija se namjerno ne koristi, jer se obično povezuje sa . Rezultat dizajna je model predstavljen odgovarajućim jezikom za opisivanje (reprezentacija) znanja, čiji je glavni element koncept. .

Potreba za korištenjem situacionog pristupa za modeliranje i upravljanje određena je sljedećim svojstvima složenih sistema: [Pospelov, 1986; Klykov, 1980]

Jedinstvenost.Svaki objekat ima takvu strukturu i funkcije na način da se njegov sistem upravljanja mora izgraditi uzimajući u obzir sve njegove kvalitete i na njega se ne može primijeniti bilo koja standardna standardna procedura upravljanja.
Odsustvo formalizovane svrhe postojanja. Ne mogu svi objekti jasno formulirati svrhu svog postojanja.
Nedostatak optimalnosti. Posljedica prvih tačaka je nesposobnost postavljanja klasičnog optimizacijskog problema, a zbog nepostojanja cilja postojanja (u okviru teorije upravljanja) nemoguće je konstruirati objektivan kriterij upravljanja za predmetne objekte. Kontrolni kriterijum postaje subjektivan, u potpunosti zavisi od donosioca odluke (DM).
Dinamičnost. Vremenom se mijenja struktura i funkcioniranje objekata.
Nepotpun opis. Po pravilu, tim stručnjaka koji poznaje objekat kontrole nije u mogućnosti da odmah formira takve informacije, što bi svakako bilo dovoljno za kreiranje sistema upravljanja objektom.
Značajan broj subjekata. U mnogim objektima upravljanja ljudi su elementi njihove strukture. Njihovo individualno ponašanje je praktično nemoguće uzeti u obzir prilikom kreiranja upravljačkog sistema, a potrebne su posebne tehnike da se neutrališe njihov uticaj na funkcionisanje kontrolnog objekta.
Velika dimenzija. Složen sistem karakteriše velika dimenzija, što ne dozvoljava njegovu simulaciju u kratkom vremenu.
neformalne informacije. Često je za donošenje odluke potrebno uzeti u obzir loše formalizirane koncepte.

2. Metode situacionog modeliranja

Za opisivanje situacija koriste se semiotički (situacijski) jezici i modeli, među kojima se mogu razlikovati sljedeći glavni pristupi:

diskretne situacione mreže (DSN);
RX kodovi;
logika predikata;
univerzalni semantički kod.

Situaciona mreža je složena semantička mreža. Svaka situacija je opisana usmjerenim grafom (mrežom), a hipergrafovi se koriste za predstavljanje ugniježđenja („situacija situacija“), tj. neki fragment semantičke mreže koji definira situaciju može se smatrati jednim čvorom mreže. U ranim danima nije se koristio pojam hipergrafa, već je svaki autor uveo zamjensku notaciju.

RX kodovi su jezik binarnih relacija i imaju sljedeći unos kao osnovnu konstrukciju: x 1 =x 2 r 2 x 3 , gdje je x i objekt ili ; r i - omjer.

Univerzalni semantički kod koristi trostruki SAO kao osnovnu konstrukciju, koja odgovara subjektu S koji izvodi radnju A na objektu O.

Za implementaciju semiotičkih jezika u kompjuteru koriste se jezici za predstavljanje znanja. Najbliži pristup opisu semiotičkih konstrukcija je semantička mreža. Međutim, mreže su vrlo spore kada se koriste operacije pretraživanja, pa se strukture često predstavljaju pomoću logike predikata [Devyatkov, 2001], okvira [Pospelov, 1990] i produkcija [Gavrilova, 2001].

Treba napomenuti da su metode predstavljanja znanja u situacionim sistemima i simulaciono modeliranje. Situacije djeluju kao vrhovi mreže. Ako se primjenjuju Petrijeve mreže, tada će vrhovi (pozicije) biti situacije, a prijelazi događaji.

Posebno je moguće izdvojiti metode vizualizacije situacija. Oni su usmjereni na rješavanje problema optimalnog prikaza informacija na monitorima (scenarijske metode [Bogatyrev, 2002], metoda apstraktne mape) i dekompozicije slika po rezovima situacijskog modela. Rad [Isaev, 1994] predstavlja adaptivni jezik vizualizacije.

Linkovi: : Istorijat nastanka. Metoda situacionog upravljanja
nastao u vezi sa potrebom modeliranja procesa tokom
donošenje odluka u sistemima sa aktivnim elementom (ljudskim). V
Zasnovan je na tri glavne premise.
Prva premisa je psihologija koja je započela studij
opisati principe i modele ljudskog odlučivanja u operi
aktivnim situacijama. Poznati su radovi sovjetskih psihologa u tome
regija - V.N. Puškin, B.F. Lomov, V.P. Zinčenko i drugi. V.N. Puškin je formulisao takozvanu teoriju modela
riu razmišljanja. Pokazao je da psihološki mehanizam
661 regulisanje akata ljudskog ponašanja usko je povezano sa konstrukcijom
u strukturama mozga informacionog modela objekta i
spoljni svet, unutar kojeg se odvija proces
upravljanje zasnovano na ljudskoj percepciji informacija izvana i
postojeće iskustvo i znanje. Osnova za izgradnju modela
su konceptualni prikazi objekata i odnosa
između njih, odražavajući semantiku odabrane sfere aktivnosti
ljudska (predmetna oblast). Objektni model ima
strukturu na više nivoa i definiše te informacije
kontekst u kojem se odvijaju procesi upravljanja. Kako
što je takav informacioni model nekog objekta bogatiji i za to je sposobniji
manipulacije znanjem, to je veći kvalitet
odluke, raznovrsnije ljudsko ponašanje. V.N. Pushkin
prvi identifikovao tri važne karakteristike procesa usvajanja
odluke: mogućnost razvrstavanja situacija u ko
usklađenost sa standardnim upravljačkim rješenjima; principal
naya otvorenost velikih sistema; značajno ograničenje
jezik za opisivanje prostora stanja i rješenja objekta
menadžment.
Druga premisa metode situacionog upravljanja
bile su ideje dobijene u studijama o semio
tiki, nauka o sistemima znakova. Ovo su radovi Yu.A. Schreide-
ra, Yu.D. Apresyan. Definisana je trodimenzionalna struktura
znak u bilo kom sistemu znakova: naziv znaka, koji odražava njegovu sin
taxi aspekt; sadržaj znaka koji izražava njegov seman
tic aspekt; svrha znaka, koja određuje njegov pragmatizam
logički aspekt (Fregeov trougao). U primijenjenoj semiotici
znakovi, čije su varijante riječi, rečenice, teh
stotinu, počeli su se smatrati sistemima koji zamjenjuju stvarne
objekti, procesi, događaji vanjskog svijeta. Agregati
znakovi sa međusobnim odnosima tako su postali moderni
pseudofizički analozi realnih sistema func
akcionarstvo i upravljanje. Zato situaciona
upravljanje se nazivalo i semiotičko modeliranje,
budući da je znakovni jezik dovoljan za opis i procese
funkcionisanje objekta sa potrebnim stepenom aproksimacije.
Treća premisa se odnosi na razvoj u oblasti informisanja
matematičkih pretraživača i pokušaja stvaranja formalnog
jezik opisa i prikaza tehničkih nauka sa ciljem auto-
662 matizacija radi na sumiranju naučnih publikacija i organizovanju
Niziranje procesa traženja, pohranjivanja i prezentiranja informacija
mation. U sklopu ovih studija, E.F. Bilo je vrijeme
jezik se razrađivao i proučavao, koji je kasnije dobio naziv jezika
gh kodovi. Ovaj jezik je svoju implementaciju našao u informacijama
već BIT pretraživač, koji je bio uspješan i to već duže vrijeme
radio u Institutu za kibernetiku Akademije nauka Ukrajinske SSR.
Na osnovu teorije modela mišljenja V.N. Puškin, jezici
ka gKh "Kodo E.F. Skorokhodko i semiotika D.A. Pospelov, a za
one Yu.I. Klykov je 1965. godine formulisao novi kibernet
logički koncept upravljanja velikim sistemima u obliku
metod situacionog upravljanja.
Method Essence
Koncept situacije se uzima kao osnova za upravljanje.
objekt opisa, analize i donošenja odluka. Istražitelj
ali su potrebna odgovarajuća sredstva - opisi, klase
fikcija, učenje i transformacija situacija u skladu sa
donesene odluke.
Klasifikacija situacija je opravdana postojanjem,
na osnovu analize strukture upravljačkih zadataka u velikim sistemima
max, na svakom nivou kontrole skupa situacija, broj
što je neproporcionalno veliko u poređenju sa mnoštvom
moguća upravljačka rješenja. Problem odluke trak
je formulisan kao problem pronalaženja takve podjele skupa situacija
podjele na klase, u kojima svaka klasa odgovara
odluka, najcelishodnija sa stanovišta datih kriterijuma
ev funkcioniranje. U prisustvu takve particije, potraga za re
rješenje u konkretnoj situaciji svodilo se na pronalaženje klase i korelaciju
dajući mu upravljačke odluke. Međutim, takva postavka
problem važi za upravljačke sisteme u kojima je broj
potencijalnih situacija (PVS) znatno premašuje
(ponekad za nekoliko redova veličine) broj mogućih rješenja
za menadžment. Ovaj slučaj odgovara kontekstualno nezavisnom
moj način izvođenja rješenja kada je cijeli skup PVS-a podijeljen
je podijeljen na klase na način da svaka klasa, u skladu
Odluka je donesena na upravi. Slučaj kada
setovi situacija i odluka bili su ili uporedivi po snazi
ili dovoljno veća da ova činjenica može biti
tanovit, razmatran je i razvijen kasnije u radovima L.S. po-
gadskaya i njena škola.
663 Osnova jezika za opisivanje čitavog niza situacija bila je
preuzete su ideje jezika r-dr-kodova i sintagmatskih lanaca. Uloga mno
karakteristike objekata domena odigrale su svoje predznake
valencije u prirodnom jeziku, tj. riječi-nazivi, te u ulozi relacije
riječi-nazivi koji odgovaraju stvarnim vezama
između objekata ili procesa. Kao gramatika jezika
situaciono upravljanje (YaSU) bila su pravila generacije
novi koncepti i odnosi, njihova transformacija i klasa
fikcije (vidi Jezik situacionog upravljanja).
Najvažnija ideja metode je formiranje semiotike
objektni modeli učeći da donose odluke. Gde
Razmatrana su dva načina učenja: od strane stručnjaka koji dobro zna
predmetnom području istraživanja, ili na osnovu analize
za skup specifičnih situacija i upravljačkih odluka.
Očigledno, potonji slučaj je duži, ne garantuje
kompletnost opisa, zahteva prisustvo statistike situacija i kada
odluke donete u njima, što je daleko od uvek moguće. Dakle
Opća praksa je postala uglavnom upotreba prvog
pristup učenju. Ipak, prisustvo sredstava generalizacije u YaSU
klasifikacija i klasifikacija situacija daje osnovnu
mogućnost kreiranja modela koji se mogu poboljšati
funkcije donošenja odluka u promjenjivim uvjetima
kontrolni objektni botovi. Drugim riječima, stvara priliku
sposobnost da se „razvija“ model objekta za date uslove
funkcioniranje.
Razvoj situacionog modeliranja. Godine 1973. L.S. zagonetka-
Skye (Bolotova) je razvio drugu, novu vrstu sistema
tema situacionog upravljanja, koja je razmatrala klasu sistema
kontrola u kojoj su moći skupova mogućih situacija
a upravljačke odluke su uporedive ili nepoznate. Prev
trebalo je na takav način podijeliti cijeli niz situacija u klase
odjednom, tako da je svakoj klasi dodijeljena struktura
krug tipičnog rješenja. U sljedećoj fazi rješenja, ovo
struktura je redefinisana u procesu interpretacije i konkretizacije
tizacija rješenja i uzimanje u obzir postojećih ograničenja na resursu
sy. Dakle, svako tipično kontrolno rješenje
i. njegova struktura je stavljena u korespondenciju sa M., i, shodno tome,
pored skupa S/ = (t/p U2,...UJ, skup struktura
obilazak tipičnih rješenja M = (Mp M2,...M^).
664 Zatim, za svaku strukturu, potrebni kon
tekstualni sloj znanja, koji ima okvirnu strukturu i uključuje
koja sadrži pravila za tumačenje situacija unutar date strukture
ture i mnoge postupke za njihovu transformaciju i imitaciju.
Razvijen je i logičko-semiotički model zaključivanja
odluke o hijerarhiji struktura odlučivanja.
Očigledno je da je u drugom slučaju mnogo komplikovanije
problem konstruisanja modela domena (DOM). Times
rad MPO je i dalje umjetnost, zahtijeva primjenu
nija najviše kvalifikacije sistemskih analitičara. Obavezno
da odgovorim na neka pitanja:
Kako se postavljaju granice odabranog predmetnog područja?
područje?
Kako se formira konzistentan opi jezik?
analiza svih skupova situacija i procesa za MPO sa složenim
Noa, hijerarhijska i distribuirana struktura?
Kako se formira sistem znanja o MPO, dos
brušenje da postignete svoje ciljeve?
Kako se "manifestiraju" potrebne interakcije
akcije između učesnika u procesu upravljanja i donošenja odluka
kako su opisani?
Kako se donose odluke u kontekstu
bilješke, neizvjesnost i nejasnoće?
Kao rezultat istraživanja i razvoja primijenjenih sistema
situacijsko upravljanje, kreirana je end-to-end metodologija
i tehnologiju za projektovanje sistema situacione kontrole
velike sisteme, uključujući neophodnu instrumentaciju
alati i sistemi bazirani na REFAL i LISP jezicima.
Kao što slijedi iz opisa jezika situacijskog upravljanja (vidi) i
organizaciju modela situacionog upravljanja, čak i tada, 70-ih godina.
XX vijek, sistemi situacijske kontrole (SSU) su imali sve sa sobom
najmanje znakove modernih ekspertnih sistema (ES).
2. generacije, tj. dinamički ES. Ovo i prisustvo semioti
logički model upravljačkog objekta i procesi njegovog funkcionisanja
u obliku sistema pravila proizvodnog tipa, i prirodno
ali-jezični interfejs sa programerima i korisnicima, i
prisutnost ugrađene vremenske logike koja osigurava rad
SSU u realnom vremenu i simulacija. Ovo i inst
Rumentalni softverski alati za implementaciju SCS baziranih na
jezici LISP i REFAL. Štaviše, domaći stručnjaci
665 stvorili ste velike sisteme i čak ih implementirali u praksu
deo industrijskih automatizovanih sistema upravljanja.
Primjeri.
Izveden sistem situacionog upravljanja "Aviaremont".
odredio je Odeski ogranak Ekonomskog instituta Akademije nauka Ukrajinske SSR kao
dio ACS "Aviaremont" za TsNIIASU (Riga).
Sistem situacione dispečerske kontrole
zapremine i sletanja aviona, razvijenih za VNIIRA (Lenjin
tuča).
Sistem za zakazivanje sesije satelitske komunikacije.
Brojni sistemi posebne namjene i sl.
Na Zapadu, a potom i kod nas, razvijena je heuristika
nešto programiranja (60-ih godina XX veka), veštačka inteligencija
(vidi) - AI (70-te godine XX veka), ali kod nas, iza zavese, to je loše
zamišljao šta se dešava u inostranstvu. Oni koji su imali pristup ameu
rički i zapadni izvori, nisu razumjeli ovaj pravac
leniya i vjerovali da je AI nešto sasvim drugo i ne
To nema nikakve veze sa situacijskim upravljanjem. Promijenite sve
losa 1975. godine, kada je IV Internacional
konferenciju o AI, kojoj su prisustvovali gotovo svi stručnjaci
vodeći svjetski naučnici u oblasti umjetne inteligencije. Evo tog
Da, postalo je jasno da i naši specijalisti i strani praktičari
ki rade istu stvar, ali iz različitih uglova.
Domaći stručnjaci su išli "odozgo" i pokušavali da reše
problemi koji su metodološki i konceptualno jasni, ali još nisu
sa osnovnim sredstvima - ni teorijskim ni na neki drugi način
instrumental. Konferencija je mnogima pomogla da realizuju i op
odrediti svoje mjesto u međunarodnom procesu kretanja prema
veštački um. Na narednim školama, seminarima,
svesavezni simpozijumi o situacionom menadžmentu koji su već u toku
1975. jasno su artikulisani problemi koji su kočili razvoj
razvoj situacionog upravljanja. Ovo je prije svega
modeli predstavljanja znanja botka i instrumentalni sistemi
Teme podrške softveru SSU.
Do 1980. postojale su desetine SSU-a različitog stepena razvoja.
tannoy. Većina njih su demonstracije i istraživanja
uzorci tijela. Uopšte nije bilo komercijalnih uzoraka. Prije
Nekoliko industrijskih dizajna doneseno je iz više razloga:
nedostatak instrumentala softverski sistemi doneo
do faze komercijalnih uzoraka; nedostatak kulture doneo
666 softverski alati do komercijalne faze; nedostaje
uticaj razumevanja nove paradigme u širokom razvojnom okruženju
kov ACS; nedovoljno finansiranje mogućnosti i koristi od
zgrade komercijalnih instrumentalnih sistema školjki.
Zapadni naučnici su prešli na AI "odozdo", od igara kocke, stolice
tiki-tac-toe, itd. Bili su zainteresovani inteligentni roboti i
planiraju svoje ponašanje. Stoga su ovi zadaci još uvijek
su klasični kada se podučavaju teorijske osnove AI.
Na njima su razvijeni svi glavni modeli reprezentacije.
generisanje znanja: proizvodnja, semantičke mreže, okviri.
Od 1977. godine počinje raslojavanje u redovima „situacionista“.
Škola D.A. Pospelova, V.A. Vagina, L.T. Rođak i neki
drugi, bliži teorijskim studijama po rodu
njihovog položaja (Akademija nauka SSSR-a, univerziteti), brzo reorganizovani
stranu terminologiju i savladao tekovine Zapada. Ovo
bilo je lako napraviti jer je razlika uglavnom bila termi
nološki.
Početkom 80-ih. pojavili su se ekspertni sistemi (vidi), a ovdje
ispostavilo se da se u suštini oni poklapaju sa SSU,
kako smo ih zamišljali. I ovaj termin se činio uspješnijim
nym, brzo je postao moderan. Kao rezultat toga, početkom 1990-ih
20ti vijek skoro svi "situacionisti" bili su angažovani na ES.
Tako se ispostavilo da je kontrola situacije
igrao u našoj zemlji ulogu osnove za veliki broj specijalnih
stručnjaci za umjetnu inteligenciju (vidi).

Recenzirate članak (sažetak): “ SITUACIONO MODELIRANJE, ILI SITUACIJSKI MENADŽMENT» iz disciplina « Teorija sistema i sistemska analiza u menadžment organizacijama»

Modeliranje je glavna metoda za proučavanje proizvodnih i ekonomskih sistema. Pod modeliranjem se podrazumijeva takav način prikazivanja objektivne stvarnosti, u kojem se posebno konstruirani model koristi za proučavanje originala, reproducirajući određena (obično samo bitna) svojstva proučavane stvarne pojave (procesa).

Model je objekt bilo koje prirode koji je sposoban zamijeniti predmet koji se proučava tako da njegovo proučavanje daje nove informacije o objektu koji se proučava.

U skladu sa ovim definicijama, koncept modeliranja uključuje konstrukciju modela (kvazi-objekta) i operacije na njemu radi dobijanja novih informacija o objektu koji se proučava. Sa stanovišta upotrebe, model se može shvatiti kao prikaz sistema koji je pogodan za analizu i sintezu. Između sistema i njegovog modela postoji odnos korespondencije, koji vam omogućava da istražite sistem kroz proučavanje modela.

Tip modela određuju prvenstveno pitanja na koja je poželjno odgovoriti uz pomoć modela. Može postojati različiti stepen korespondencije između modela i simuliranog sistema.

Često model odražava samo funkciju sistema, a struktura modela (i njegova adekvatnost sistemu) ne igra ulogu, smatra se crnom kutijom.

Simulacijski model već uključuje jedan prikaz kako funkcija sistema, tako i suštine procesa koji se u njemu odvijaju.

Modeliranje kao metoda spoznaje zasniva se na činjenici da svi modeli na ovaj ili onaj način odražavaju stvarnost. U zavisnosti od toga kako i kojim sredstvima, pod kojim uslovima, u odnosu na koje objekte spoznaje se ovo svojstvo ostvaruje, nastaje veliki izbor modela. Postoji niz principa za klasifikaciju modela različite prirode, od kojih su najznačajniji sljedeći:

- prema načinu prikazivanja stvarnosti, a samim tim i prema aparatu konstrukcije (formi);

- po prirodi sadržaja simuliranih objekata).

Prema načinu prikaza ili konstrukcijskom aparatu razlikuju se dva tipa modela (slika 7.2): materijalni i mentalni, odnosno idealni.

Rice. 7.2. Klasifikacija modela

Materijalni modeli su modeli koje je izgradio ili odabrao čovjek, postoje objektivno, oličeni u metalu, drvetu, staklu, električnim elementima, biološkim organizacijama i drugim materijalnim strukturama.

Modeli materijala podijeljeni su u tri podvrste.

Prostorno slični modeli su strukture dizajnirane da prikažu prostorna svojstva ili odnose nekog objekta (modeli kuća, fabrika, gradskih četvrti, transportne mreže, lokacije opreme u radionici, itd.). Preduvjet za takve modele je geometrijska sličnost.

Fizički slični modeli su materijalni modeli koji imaju za cilj reprodukciju različitih vrsta fizičkih veza i zavisnosti objekta koji se proučava (modeli brana brodskih i avionskih elektrana). Osnova za konstrukciju ovakvih modela je fizička sličnost – istost fizičke prirode i identitet zakona kretanja.

Matematički slični modeli su modeli koji imaju, u jednoj ili drugoj mjeri, isti matematički formalizam koji opisuje ponašanje objekta i modela (analogno kompjuteru, kibernetički funkcionalni modeli). Matematički slični materijalni modeli su stvarne ili fizičke ljuske nekih matematičkih relacija, ali ne i same relacije.

Mentalni (ili idealni) modeli podijeljeni su u tri podvrste:

- deskriptivni (konceptualni) modeli u kojima se odnosi izražavaju u jezičkim slikama;

- vizuelno-figurativni modeli, čije su slike u umu izgrađene od čulno-vizuelnih elemenata;

- znak (uključujući matematičke modele u kojima su elementi objekta i njihovi odnosi izraženi pomoću znakova (uključujući matematičke simbole i formule).

Klasifikacija modela prema prirodi objekata koji se modeliraju, zbog njihove izuzetne raznolikosti, ovdje se ne čini primjerenom.

Krajnji cilj modeliranja nije proučavanje modela kao takvog, već nekog drugog predmeta proučavanja koji se razlikuje od njega, ali ga on reprodukuje.

Očigledno, nijedan model ne može i ne smije u potpunosti reproducirati sve aspekte i detalje fenomena koji se proučavaju: preduzeće se može okarakterizirati sa različitih stajališta - direktora ili glavnog inženjera, računovođe, dobavljača ili inženjera energetike.

U skladu s tim, i priroda i konstrukcija modela će biti različiti.

Modeliranje, kao metoda naučnog saznanja, zasniva se na sposobnosti osobe da apstrahuje početna svojstva ili svojstva različitih pojava (procesa) i uspostavi određeni odnos između njih. Ovo stvara mogućnost da se pojave ili procesi proučavaju indirektno, naime, proučavanjem modela koji su im analogni u nekom strogo definisanom pogledu.

U opštem slučaju, prikladan je sledeći redosled modeliranja sistema: konceptualni opis (istraživanje) sistema, njegova formalizacija i, na kraju, ako je potrebno, algoritmizacija i kvantifikacija sistema.

Prilikom modeliranja proizvodno-ekonomskih sistema, uz formalizovane, matematičke metode analize koje se koriste za pojedine podsisteme ili privatne procese, potrebno je koristiti i heurističke metode za analizu proizvodnje u onim njenim elementima i odnosima koji nisu podložni formalizaciji. A kod upotrebe matematičkih metoda, zbog mnoštva varijabli, često se mora pribjeći pojednostavljenjima, koristiti metode dekompozicije i agregacije varijabli. Kao rezultat, rješenja dobivaju približan, kvalitativni karakter.

Zbog prisutnosti u velikim složeni sistemi organizaciono i proizvodno upravljanje vezama i vezama koje su teško ili uopšte nisu formalizovane, za njihovo proučavanje potrebno je koristiti uglavnom deskriptivne modele, izlažući sistem dekompoziciji na zasebne funkcionalne podsisteme; zatim potražiti one podsisteme koji su podložni matematičkoj formalizaciji, modelirajući tako pojedinačne elemente cjelokupnog proizvodnog procesa.

Krajnji cilj modeliranja proizvodno-ekonomskog sistema je priprema i donošenje upravljačke odluke od strane rukovodioca preduzeća.

Modeli proizvodnih i ekonomskih sistema mogu se razlikovati po sljedećim karakteristikama:

- za potrebe modeliranja;

- po zadacima (funkcijama) menadžmenta;

- po fazama (procedurama) upravljanja;

– o metodama matematičkog modeliranja.

Ovisno o ciljevima modeliranja, postoje modeli dizajnirani za:

– projektovanje sistema upravljanja;

– evaluacije učinka;

– analiza sposobnosti preduzeća u raznim uslovima njegove aktivnosti;

– razvoj optimalnih rješenja u različitim proizvodnim situacijama;

– proračun organizacionih struktura sistema upravljanja;

– obračun informacione podrške itd.

Specifičnost modela ove klasifikacione potpodjele izražena je prvenstveno u izboru odgovarajućih kriterija performansi, kao iu postupku implementacije rezultata simulacije.

U zavisnosti od zadataka (funkcija) menadžmenta, postoje modeli planiranja, upravljanja razvojem preduzeća, kontrole kvaliteta proizvoda itd. Modeli ovog odeljenja su usmereni na specifične proizvodne i ekonomske zadatke i po pravilu treba da daju numeričke rezultate.

U zavisnosti od faze (procedure) automatizacije upravljanja, modeli mogu biti informacioni, matematički, softverski. Modeli ove podjele su usmjereni na odgovarajuće faze kretanja i obrade informacija.

U zavisnosti od primenjenog matematičkog aparata, modeli se mogu podeliti u pet velikih grupa: ekstremne, matematičko programiranje (planiranje), verovatnoće, statističke i teorijske igre.

Ekstremni modeli uključuju modele koji omogućavaju pronalaženje ekstrema funkcije ili funkcionalnosti. Ovo uključuje modele izgrađene korišćenjem grafičkih metoda, Newtonovu metodu i njene modifikacije, račun varijacija, Pontrijaginov princip maksimuma, itd. Na osnovu mogućnosti ovih metoda, koriste se prvenstveno za rešavanje operativnih problema upravljanja.

Modeli matematičkog programiranja (planiranja) uključuju modele linearnog programiranja, nelinearnog programiranja, dinamičkog programiranja. Ovo također obično uključuje modele mrežnog planiranja.

Matematičko programiranje kombinuje niz matematičkih metoda dizajniranih da najbolje raspodijele ograničene raspoložive resurse - sirovine, gorivo, radna snaga, vremena, kao i da se sačine odgovarajući najbolji (optimalni) akcioni planovi.

Probabilistički modeli uključuju modele izgrađene pomoću aparata teorije vjerovatnoće, modele slučajnih procesa Markovljevog tipa (Markovljevi lanci), modele teorije čekanja itd.

Vjerovatni modeli opisuju pojave i procese slučajne prirode, na primjer, one povezane sa svim vrstama nesistematskih odstupanja i grešaka (proizvodni nedostaci, itd.), utjecaj elementarnih nepogoda, mogući kvar opreme itd.

Statistički modeli uključuju modele sekvencijalne analize, metod statističkih testova (Monte Carlo) itd. Ovo uključuje i metode slučajnog pretraživanja.

Metoda statističkog testiranja leži u činjenici da se tok određene operacije igra, kao da je kopira kompjuter, sa svim nezgodama svojstvenim ovoj operaciji, na primjer, prilikom modeliranja organizacijskih zadataka, složenih oblika saradnje. razna preduzeća itd. Primena ove metode naziva se simulaciono modeliranje.

Metode slučajnog pretraživanja koriste se za pronalaženje ekstremnih vrijednosti složenih funkcija koje ovise o velikom broju argumenata. Ove metode se zasnivaju na korištenju mehanizma za slučajni odabir argumenata pomoću kojih se vrši minimizacija. Metode slučajnog pretraživanja koriste se, na primjer, u modeliranju organizacijskih upravljačkih struktura.

Teorijski modeli igara su dizajnirani da opravdaju odluke u uslovima neizvjesnosti, dvosmislenosti (nepotpunosti informacija) situacije i povezanog rizika. Metode teorije igara uključuju teoriju igara i teoriju statističkog odlučivanja.

Teorija igara je teorija konfliktnih situacija. Koristi se u slučajevima kada je neizvjesnost situacije uzrokovana mogućim postupcima sukobljenih strana.

Teorijski modeli igara mogu se koristiti za opravdanje upravljačkih odluka u uslovima industrijskih i radnih sukoba, prilikom izbora prave linije ponašanja u odnosu na kupce, dobavljače, izvođače itd.

Teorija statističkih odluka primjenjuje se kada je neizvjesnost situacije uzrokovana objektivnim okolnostima koje su ili nepoznate (npr. neke karakteristike novih materijala, kvalitet nove tehnologije itd.) itd.).

U pripremi, izvođenju i evaluaciji rezultata poslovnih igara treba koristiti teorijske modele igara.

Svi matematički modeli se također mogu podijeliti na modele procjene efikasnosti i modele optimizacije.

Modeli procjene učinka su dizajnirani da razviju karakteristike proizvodnje i upravljanja. U ovu grupu spadaju svi vjerojatnosni modeli. Modeli evaluacije performansi su "ulaz" u odnosu na modele optimizacije.

Optimizacijski modeli su dizajnirani da odaberu najbolji pravac akcije ili linije ponašanja u datim uslovima. Ova grupa uključuje ekstremne i statističke modele, modele matematičkog programiranja, kao i teorijske modele igara.

Neki od najčešćih modela koji se koriste u rješavanju proizvodni zadaci, kao i za formiranje organizacionih struktura za upravljanje proizvodnjom.

Glavni pravac modeliranja upravljanja proizvodnim i ekonomskim sistemima je stvaranje modela upravljanja proizvodnjom.

Trenutno su razvijeni i primenjuju se modeli sledećih funkcija upravljanja proizvodnjom:

– planiranje proizvodnih i privrednih aktivnosti preduzeća;

– operativni menadžment;

– operativni propis;

– upravljanje materijalno-tehničkim snabdevanjem proizvodnje;

- upravljanje prodajom gotovih proizvoda;

– upravljanje tehničkom pripremom proizvodnje.

Razvijen je i sistem međusobno povezanih modela proizvodnje i upravljanja.

Modeli planiranja proizvodne i ekonomske aktivnosti preduzeća. Ciljna funkcija modela ove grupe obezbeđuje:

- maksimiziranje kriterijuma efikasnosti proizvodne aktivnosti preduzeća na osnovu raspoloživih kapaciteta i nabavljenih resursa;

– minimiziranje potrošnje resursa u okviru navedenog kriterijuma efikasnosti.

Modeli planiranja proizvodne delatnosti preduzeća dele se na: modele prognoze, modele tehničko-ekonomskog planiranja, modele operativnog planiranja proizvodnje.

Prediktivni modeli su modeli koji se zasnivaju ili na matematičkim metodama (najmanji kvadrati, pragovi, eksponencijalno izglađivanje) ili na metodama stručnog prosuđivanja.

Modeli tehničkog i ekonomskog planiranja zasnovani su na metodama matematičkog programiranja (planiranja). Konačni rezultati proizvodnje, na primjer, visina dobiti, obično se biraju kao glavni kriterij efikasnosti (objektivne funkcije) pri izradi optimalnog plana. Kao ograničenja uzimaju se ograničenja složenosti proizvoda, vremena rada opreme, resursa itd. Budući da je vrijednost nekih od ovih ograničenja slučajna (na primjer, vrijeme rada opreme), za rješavanje ovakvih problema optimizacije koristi se vjerovatnostni pristup. Tipični optimizacioni modeli tehničkog i ekonomskog planiranja su modeli za izračunavanje optimalnog plana, distribucije proizvodni program po kalendarskim periodima optimalno opterećenje oprema. Ovi modeli su izgrađeni korištenjem metoda matematičke optimizacije.

Modeli operativnog planiranja proizvodnje obično se kombinuju sa modelima operativnog upravljanja.

Modeli operativnog upravljanja. Glavni zadaci operativnog menadžmenta su operativno planiranje proizvodnje, sistematsko računovodstvo i kontrola implementacije. kalendarski planovi, kao i operativno regulisanje procesa proizvodnje.

Tipični modeli operativnog upravljanja su modeli za izračunavanje optimalne veličine serija proizvoda i izračunavanje optimalnog rasporeda za puštanje u promet serija dijelova (planiranje).

Modeli za izračunavanje optimalne veličine serija proizvoda mogu se kreirati u odnosu na jednostavnu i potpunu formulaciju problema. U jednostavnoj postavci, određivanje veličine proizvodnje ili nabavke serije dijelova, pri čemu su godišnji troškovi minimalni, svodi se na uobičajeni problem pronalaženja minimuma funkcije. U punoj formulaciji se nalazi takav skup veličina serije koji odgovara minimalnim ukupnim troškovima za zamjenu opreme i odbitcima za rad u toku, uz ograničenja trajanja zamjena, resursa opreme, međuzavisnosti veličina serija u povezanim operacijama, i osiguranje zaposlenja radnika. Rješenje ovog problema postiže se uz pomoć metoda matematičke optimizacije.

Modeli za planiranje proračuna mogu biti:

- statistički sa optimizacijom slučajnim pretraživanjem;

– simulacija sa skupom preferencijalnih pravila;

- heuristički, koristi se u slučajevima kada je nemoguće kreirati rigorozne algoritme, ali postoji potreba za korištenjem informacija i evaluacijom činjenica koje nemaju kvantitativni izraz.

Modeli operativne regulacije. Ovi modeli imaju za cilj da obezbede da se odstupanje rezultata proizvodnih aktivnosti od planiranih pokazatelja zadrži u određenim granicama. U ovom slučaju koriste se modeli dvije vrste: modeli regulacije po kriteriju optimalnosti, modeli regulacije po devijaciji.

Modeli upravljanja prema kriteriju optimalnosti zasnivaju se na činjenici da se nakon specifičnog mjerenja stvarnog stanja proizvodnog procesa izrađuje plan koji optimalno dovodi proces u unaprijed određeno stanje na kraju planskog perioda.

Modeli kontrole odstupanja temelje se na činjenici da se nakon određenog mjerenja proizvodni proces u najkraćem mogućem roku dovodi do prvobitno sastavljenog rasporeda.

Konstrukcija oba modela izvedena je pomoću aparata za matematičku optimizaciju koji se koristi u teoriji automatskog upravljanja.

Modeli upravljanja materijalno-tehničkim snabdevanjem proizvodnje. Centralni problem upravljanja materijalno-tehničkim snabdevanjem proizvodnje je zadatak utvrđivanja potrebnog obima zaliha svih vrsta snabdevanja. U ovom slučaju mogu se izgraditi dva fundamentalno različita modela upravljanja zalihama - sa fiksnom veličinom narudžbine i sa fiksnim nivoom zaliha. Postoji i srednji model koji popravlja i kapu inventara i Niži nivo red.

Konstrukcija modela upravljanja zalihama vrši se pomoću posebnih metoda matematičke optimizacije, koje se nazivaju "teorija upravljanja zalihama".

Modeli upravljanja prodajom gotovih proizvoda. Osnovni problem upravljanja marketingom gotovih proizvoda je zadatak izračunavanja godišnjeg plana nabavke gotovih proizvoda. Za rješavanje ovog problema, korištenjem metoda matematičke optimizacije, izgrađen je model optimizacije godišnjeg plana nabavke gotovih proizvoda. U ovom slučaju trošak prodanih proizvoda djeluje kao objektivna funkcija, kao ograničenja - zahtjev da ukupna količina proizvoda isporučenih svim potrošačima u određenom vremenskom intervalu ne prelazi obim proizvodnje za isto vrijeme, a ukupni obim isporuke potrošača za sve vremenske intervale ne prelazi mjesečnu prijavu.

Modeli upravljanja tehničkom pripremom proizvodnje. Tehnička priprema proizvodnje obuhvata faze projektovanja i tehnološke pripreme.

Uz pomoć matematičkog modeliranja mogu se riješiti tri glavna zadatka upravljanja tehničkom pripremom proizvodnje:

– utvrđivanje minimalnog roka za sprovođenje seta mjera tehnička obuka proizvodnja pod ograničenjima na nivou raspoloživih resursa;

- definicija minimalni trošak provođenje skupa mjera za tehničku pripremu proizvodnje sa ograničenjima u vremenu realizacije i stepenu raspoloživosti resursa;

- utvrđivanje minimalnog nivoa potrošnje oskudnih resursa uz ograničenje troškova i vremena implementacije mjera za tehničku pripremu proizvodnje.

Proces tehničke pripreme proizvodnje najpotpunije i najpogodnije reproducira mrežni model. Mrežni model omogućava da se uzme u obzir vjerovatnoća prirode takvih osnovnih parametara tehničke pripreme proizvodnih operacija kao što su trajanje rada i intenzitet potrošnje resursa.

Optimizacija se postiže korištenjem metoda matematičkog programiranja (posebno simpleks metode) i slučajnog (statističkog) pretraživanja.

Uz razmatrane pojedinačne modele koji realizuju glavne funkcije upravljanja proizvodnim procesom, postoji i sistem međusobno povezanih modela proizvodnje i upravljanja. Suština ovog sistema modela, izgrađenog korišćenjem matematičkog aparata teorije skupova, teorije grafova i rekalkulusa, je sledeća. Kao setove smatramo skup proizvoda koje proizvede preduzeće i skup resursa koji se koriste u ovom procesu. Proizvodni proces koji osigurava oslobađanje mnogih proizvoda opisan je zbirnim grafikonom i tehnološki proces proizvodnja pojedinačnog proizvoda - njegov dizajn i tehnološki grafikon. Skup resursa koji podržavaju proizvodnju sastoji se od podskupova radnih resursa, opreme i oskudnih komponenti i materijala. Stanje proizvodnje u bilo kom trenutku može se opisati vektorom, koji predstavlja skup gotovih proizvoda, poluproizvoda i montažnih jedinica proizvedenih do tog trenutka. Slično, uz pomoć vektora, također se određuje stanje resursa u bilo kojem trenutku. U ovom slučaju, planirana putanja proizvodnog procesa biće opisana vektorskom funkcijom.

Ovakvom formulacijom problema optimalno upravljanje preduzećem u planskom periodu može se naći na osnovu sledećeg zahteva: na skupu izvodljivih planova određenih vektorskom funkcijom pronaći plan koji maksimizira profit, pod uslovom da je verovatnoća njegova implementacija i profit utvrđenog nivoa biće najmanje zadati nivo, a utrošena sredstva neće prelaziti raspoloživa.

Modeliranje organizacionih struktura menadžmenta ima za cilj poboljšanje, optimizaciju sistema upravljanja preduzećem. To je neophodan preliminarni korak u automatizaciji upravljanja proizvodnim i ekonomskim sistemima, koji zahtijeva ozbiljne pripremne radove.

Teorija čekanja se koristi kao matematički aparat za modeliranje organizacijskih upravljačkih struktura. Istovremeno, elementi sistema čekanja su prihvaćeni kao elementi kontrolnog sistema, od kojih je svaki dizajniran da reši određeni problem upravljanja. Za sve zadatke - elemente predviđen je sistem prioriteta po redosledu rešavanja. Za svaki zadatak su poznate i karakteristike dolaznih tokova zahtjeva usluge – rješenje odgovarajućih upravljačkih problema.

Element upravljačkog sistema koji rješava određeni problem ima jedan ili više informacionih pretvarača, koji su ili stručnjaci određene kvalifikacije ili tehnička sredstva.

Učinkovitost sistema kontrole ocjenjuje se kvalitetom i trajanjem usluge rješavanja problema upravljanja, uzimajući u obzir njihove prioritete i složenost.

Modeliranje sistema čekanja može se vršiti i analitički i statistički. Najveću primjenu u modeliranju organizacijskih struktura menadžmenta dobio statistička metoda, tzv. statistička test metoda (Monte Carlo metoda). Ova metoda je poželjna iz razloga što omogućava rješavanje problema velike složenosti za koje ne postoji analitički (formulski) opis ili je potonji izuzetno složen.

Statistički model vam omogućava da postavite matematički eksperiment sličan onom u punom obimu, da simulirate organizacionu strukturu upravljanja na najjeftiniji način iu prihvatljivom vremenu. Istovremeno, potrebno je uzeti u obzir specifične nedostatke metode statističkog ispitivanja, od kojih su glavni relativno dugo vrijeme simulacije i posebna priroda dobivenih rješenja, određena fiksnim vrijednostima parametri sistema čekanja.

Prilikom modeliranja uz pomoć matematičkog aparata teorije čekanja, struktura sistema upravljanja preduzećem se posmatra kao skup međusobno povezanih funkcionalnih elemenata. Takvi elementi u realnom sistemu su direkcija i funkcionalni odjeli upravljanja: proizvodno-tehnički, planski, nabavni itd.

Kao rezultat zajedničkog funkcionisanja ovih elemenata u sistemu upravljanja, informacije o stanju se pretvaraju u komandne informacije, koje su osnova upravljanja preduzećem.

Navedeni elementi - podjele sistema upravljanja preduzećem čine lanac čija se analiza funkcionisanja može dovoljno formalizirati u cilju optimizacije procesa upravljanja. Najjednostavniji lanac koji daje dobru aproksimaciju stvarnosti je strogo sekvencijalni lanac elemenata. Prilikom modeliranja takvog lanca moguća su dva pristupa: kvaziregularna i slučajna reprezentacija. U kvaziregularnom modelu modeliranje se provodi za svaki element posebno prema prosječnim pokazateljima.

U slučajnom modelu, statističke procjene se izračunavaju za svaki zahtjev za uslugu koji ne prolazi kroz pojedinačne elemente, već kroz sistem kao cjelinu.

Uz modeliranje organizacionih struktura upravljanja korišćenjem lanaca elemenata, postoji metoda matematičkog opisa organizacione strukture sistema upravljanja korišćenjem linearnih stohastičkih mreža, koje su jedna od klasa višefaznih sistema čekanja. U ovom modelu informacije također prolaze sekvencijalno kroz niz elemenata kontrolnog sistema, od kojih je svaki opisan korištenjem matematičkog aparata teorije čekanja. Uzastopnim prolazom informacija kroz elemente mreže odvijaju se prijelazi Markovljevog tipa. Struktura takve mreže sa odgovarajućim prijelazima predstavljena je određenim grafom. Sastavlja se stohastička tranzicijska matrica.

Budući da se funkcija cilja (kriterijum efikasnosti) u matematičkom modeliranju organizacijskih upravljačkih struktura, po pravilu, može opisati samo statistički, optimizacija se provodi uglavnom numeričkim metodama, od kojih se najčešće koriste metode dinamičkog programiranja i statističkog pretraživanja. .

Rješenje problema optimizacije metodom dinamičkog programiranja implementira se sastavljanjem funkcionalne rekurentne jednačine (Bellman-ova jednačina) za svaki korak procesa upravljanja.

Optimizacija organizacionih upravljačkih struktura metodom statističke pretrage, uprkos manje strogim ograničenjima nametnutim kriterijumima efikasnosti i pretpostavkama koje opisuju fiziku pojave ovom metodom, još uvek nije dobila, u odnosu na problem koji se razmatra, prilično široka distribucija.

Modeliranje igara zauzima posebno mjesto među metodama koje se koriste za automatizaciju upravljanja proizvodnim i ekonomskim sistemima. Posebnost ove metode je uključivanje ljudi koji su uključeni u razvoj i vođenje poslovne igre za modeliranje procesa upravljanja. Pod poslovnom igrom se u ovom slučaju podrazumijeva imitacija grupe ljudi rješavanja pojedinačnih problema ekonomskih ili organizacionih aktivnosti poduzeća, izvedena na modelu objekta u okruženju što je moguće bližem stvarnom.

Upoznavanje sa modelom ličnosti kao elementom organizacije menadžmenta omogućava da se uzme u obzir njegovo ponašanje u slučajevima kada se ono ne može adekvatno opisati korišćenjem danas poznatih matematičkih modela; omogućava rješavanje takvih zadataka upravljanja koji se ne uklapaju u okvire postojećih formaliziranih metoda.

Poslovna igra uvodi psihološke i emocionalne momente u proces pripreme i donošenja menadžerskih odluka, podstičući korištenje dosadašnjeg iskustva menadžera, njihovu intuiciju u ovom procesu, razvijajući sposobnost donošenja heurističkih odluka. Poslovna igra se odvija u odnosu na određeni menadžerski zadatak prema unaprijed pažljivo razrađenom scenariju. Opšti model igre se formira kao skup privatnih modela kreiranih od strane učesnika - osoba koje pripremaju i donose menadžerske odluke.

Model poslovne igre uključuje formalizirane i neformalizirane dijelove. Učesnici igre se ponašaju po određenim pravilima. Vode se posebno razvijenim uputstvima za igranje igre, kao i podacima o situaciji kojima raspolažu.

U skladu sa scenarijem igre, učesnici povremeno dobijaju uvodne informacije o promjenama situacije. Prilikom pripreme svojih odluka, učesnici poslovne igre procjenjuju situaciju i prave potrebne proračune ručno ili uz pomoć kompjutera. U ovom slučaju se koriste formalizirani, unaprijed pripremljeni elementi modela igre, koji odgovaraju savremenim metodama operativno istraživanje.

Upravljajući tokom poslovne igre, njen vođa ocjenjuje odluke učesnika, utvrđuje rezultate njihovih akcija i donosi ih igračima. Ako je potrebno, voditelj igre može promijeniti postavku, donoseći ove promjene učesnicima u obliku unosa. Procjena akcija učesnika u igri vrši se proračunima, ekspertske metode, kao i na osnovu iskustva lidera, njegove intuicije i zdravog razuma.

Glavna vrsta simulacije igre koja se provodi u preduzećima je proizvodna poslovna igra. Njegov cilj je unapređenje postojećih i razvoj novih oblika organizacije upravljanja proizvodnjom, izrada uputstava, restrukturiranje proizvodnje itd.

Kao modeli za izvođenje poslovnih igara, široko se koriste metode mrežnog planiranja i upravljanja (NPM), izgrađene na bazi mrežne karte. Prilikom rješavanja problema planiranja koriste se metode dinamičkog programiranja, a kod rješavanja problema alokacije resursa - linearno programiranje.

Za obuku rukovodećih kadrova može se provesti proizvodna poslovna igra u obrazovnoj verziji, odnosno edukativna poslovna igra. Njegov glavni zadatak je obuka zaposlenih i poboljšanje njihovih upravljačkih vještina. Po potrebi se koristi i edukativna poslovna igra za certificiranje rukovodilaca preduzeća u obavljanju svojih zadataka. službene dužnosti kao i kada su unapređeni na višu poziciju.

Više o temi 7.2. Modeliranje situacija:

3.2.6. Gubici od prirodnih katastrofa, požara, nesreća i drugih vanrednih situacija, uključujući troškove povezane sa prevencijom ili otklanjanjem posljedica prirodnih katastrofa ili vanrednih situacija