Dom » Poslovni planovi » Inteligentno upravljanje projektima i simulacija. Modeliranje upravljačkih odluka Situacijsko modeliranje u upravljanju projektima

Inteligentno upravljanje projektima i simulacija. Modeliranje upravljačkih odluka Situacijsko modeliranje u upravljanju projektima

Osnovne definicije u upravljanju projektima. Praćenje napretka projekta. Organizacijske strukture. Mrežni raspored. Privremeni modeli. Upravljanje resursima. Praćenje napretka projekta. Ganttov grafikon. Raspored za rani početak/kasni početak. Projekt Matrix. Metoda kritičnog puta (CPM). Način vrednovanja i revizije programa (Program Evaluation and Report Technique - PERT). Model vremena i troškova. Samostalni projekt (Pure Project). Struktura raščlambe posla (WBDS). Upravljanje projektom ( Upravljanje projektima). Funkcionalni projekt Modeliranje razvoja proizvoda i odabir procesa u proizvodnji Dizajn proizvoda. Dizajn tijeka proizvodnje. Analiza procesa. Kriteriji za izvrsnost procesa stvaranja proizvoda. Analiza rentabilnosti. Virtualna karta procesa tvornice. (DIJAGRAM TOKA PROCESA). Matrica Kuća kvalitete. Kontinuirani protok. Istaknuta produkcija (Job Shop). Matrica proizvoda i procesa. Funkcionalna i troškovna analiza (Value Analysis / Value Engineering). Tehnologije proizvodnje. Integrirani proizvodni sustavi. Tehnologija u uslužnom sektoru. Procjena povrata ulaganja u tehnologiju. Automatizirani sustavi planiranje i upravljanje proizvodnjom (Automated Manufacturing Planning and Control Systems - MP&CS). Automatizirani sustavi za rukovanje materijalima (AMN). Fleksibilni proizvodni sustavi (Flexible Manufacturing Systems - FMS). Integrirani proizvodni sustavi (Computer-Integrated Manufacturing - CIM). Uredska automatizacija (Office Automation). Sustav računalno potpomognuto projektiranje(Računalno potpomognuto projektiranje - CAD). Sustavi klijenta/poslužitelja. Podrška odlučivanju i stručni sustavi. Sustavi za prepoznavanje slika (Sustavi za obradu slika. Elektronička razmjena podataka - EDI). MODUL 3 MODELI PROJEKTIRANJA USLUGA I ODABIR PROCESA ODRŽAVANJA Bit usluga. Operativna klasifikacija usluga. Projektiranje uslužnih organizacija. Strukturiranje kontakata servisa. Tri vrste servisnih sustava. Usluga u klijentskom okruženju (Field-Based Services). Usluga u okruženju uslužnog poduzeća (Facilities-Based Services). Paket usluga. Jamstva usluge. Servisni plan(Nacrt usluge). Matrica dizajna servisnog sustava. Fokus usluge. Modeliranje upravljanja redovima Ekonomska bit problema čekanja. Sustav čekanja. Modeli u redu čekanja. Računalna simulacija redova čekanja. Stopa dolaska. Stopa usluge. Konačan red čekanja. Višekanalna, višefazna struktura (Multichannel, Multiphase). Jednokanalni, jednofazni. Red. Poissonova distribucija. Sustav čekanja. Eksponencijalna distribucija. Modeliranje upravljanja kvalitetom Zahtjevi kvalitete i troškovi osiguranja kvalitete. Kontinuitet poboljšanja. šintoistički sustav. Totalno upravljanje kvalitetom (TQM). Trošak kvalitete (COQ). Kvaliteta projekta (Design Quality). Kvaliteta na izvoru. Kontinuirano poboljšanje (CI). Nema nedostataka. Definicija mjerila (Benchmarking). Pokazatelji kvalitete (Dimenzije kvalitete). Poka-Yoke postupak. Kvaliteta usklađenosti. ISO standardi 9000. Ciklus "planiranje - izvršenje - provjera - reakcija" (PDCA Cycle - Plan-Do-Check-Act). MODUL 4 "SIMULACIJA PROIZVODNIH KAPACITETA I PROCESA RADA" Strateško planiranje kapaciteta. Fleksibilnost kapaciteta. Stablo odluka Stopa iskorištenja kapaciteta. Proizvodni kapacitet (Kapacitet). Jastuk za kapacitet. Strateško planiranje kapaciteta. Kapacitet fokusiranja (Capacity Focus). Ekonomije opsega. Sustavi za proizvodnju točno na vrijeme (JIT). JIT logika. Japanski pristup produktivnosti. Sjevernoameričke JIT opcije. Zahtjevi JIT sustava. JIT u uslužnom sektoru. Automatska kontrola kvalitete (Automated Inspection). Potpuna kontrola kvalitete (TQC). "Pulling" (povlačenje) proizvodni sustav "Kanban" (Kanban Pull System). Grupna tehnologija. Kvaliteta na izvoru. Krugovi kvalitete. Metoda zamrznutog prozora. Preventivni remont Fokusirana tvornička mreža. Sustav "baš na vrijeme" (Just-In-Time - JIT). Raspored koraka (Raspored razine). Upravljanje "odozdo prema gore" (Bottom-Round Management). Postavljanje proizvodnih i uslužnih objekata Kriteriji plasmana proizvodnih objekata. Metode postavljanja industrijska poduzeća... Postavljanje uslužnih objekata. Analitički Delphi model. Metoda centra gravitacije. Regresijski model. Sustavi ocjenjivanja faktora. Ardalan heuristička metoda. Postavljanje opreme i raspored prostorija Glavne metode postavljanja opreme. Postavljanje opreme prema tehnološkom principu. Postavljanje proizvodnje na temelju predmeta. Balansiranje montažne linije. Metoda sustavnog planiranja rasporeda (SLP). Izgled ureda. Odnos prvenstva. Postavljanje opreme prema predmetnom principu (Product Layout). Postavljanje opreme prema principu Group Technology Layout. Postavljanje opreme na principu servisiranja fiksnog objekta (Fixed-Position Layout). Postavljanje opreme prema tehnološkom principu (Process Layout). Postavljanje prostorija za servis i trgovačka poduzeća(Izgled maloprodajne usluge). "Uslužni krajolik" (Servicescape). Usporedna metoda računalnog smještaja proizvodnih objekata (Computerized Relative Allocation of Facilities Technique - OBRT). Vrijeme ciklusa.

MODUL 5 "SIMULACIJA PROCESA RADA I OCJENA RADA" Odluke o planiranju proces rada... Bihevioralni aspekti u planiranju radnog procesa. Fiziološki aspekti u planiranju procesa rada. Metode rada. Mjerenje i regulacija rada. Sustavi financijskog poticanja rada.

Mjerenje rada (Work Measurement). Metoda selektivnog promatranja (Work Sampling). Metoda standardizacije MOST (Most Work Measurement Systems). Metode Mjerenje vremena. Standardi mikroelemenata (Elemental Standard-Time Data). Unaprijed određeni sustavi podataka o vremenu kretanja (PMTS). Standardno vrijeme. Normalno vrijeme. Planiranje procesa rada (Job Design). Sustavi za obogaćivanje radnih mjesta. Planovi financijskih poticaja. Sociotehnički sustavi rada (Sociotechnical Systems). Specijalizacija rada. Dijeljenje dobiti. Dijeljenje dobiti. Fiziologija rada. Mjerenje vremena (Proučavanje vremena). Modeliranje upravljanja opskrbom. Upravljanje nabavom Upravljanje lancem opskrbe. Kupnja. Kupnje na vrijeme. Globalni izvori opskrbe. Potoci elektroničke informacije u opskrbi. Vanjski suradnici. Brzi odgovor (QR). Vrijednost tereta (Value Density). Kupnja na vrijeme. Logistika. Napravite ili kupite. Strateško partnerstvo. Kontrolirati materijalni tokovi(Upravljanje materijalima). Lanac opskrbe. Učinkoviti odgovor potrošača (ECR). Predviđanje Upravljanje potražnjom. Vrste predviđanja. Komponente potražnje. Metode kvalitativnog predviđanja. Analiza vremenskih serija. Uzročno (uzročno) predviđanje. Izbor metode prognoze. Fokusiranje predviđanja. Računalno predviđanje.

Analiza vremenskih serija. Konsenzus panela. Ovisna potražnja. Istraživanje tržišta. Alpha konstante za izglađivanje. Korijeni trave. Delphi metoda. Mišljenje uprave (Izvršna presuda). Neovisna potražnja. Uzročna veza. Predviđanje linearne regresije. Sezonski faktor. Pomični prosjeci. Desezonizacija potražnje. Srednje apsolutno odstupanje. Signal za praćenje. Učinak trenda Fokusirano predviđanje. Eksponencijalno izglađivanje.

Agregatno planiranje

Vrste planiranja. Hijerarhijsko planiranje proizvodnje. Planiranje agregatne proizvodnje Metode planiranja agregata. Dugoročno, srednje i kratkoročno planiranje (Long-, Intermediate- and Short-Range Planning). Inventar pri ruci. Glavni proizvodni raspored (MPS). Planiranje zahtjeva za kapacitetom (CRP). Grubo planiranje kapaciteta. Mješovita strategija. Agregatno planiranje. Strategija planiranje proizvodnje(Strategije planiranja proizvodnje). Čista strategija.

Planirano je da ovaj članak bude prvi u nizu članaka o inteligentnom upravljanju projektima.
U publikaciji će se ukratko raspravljati o pitanjima simulacijskog modeliranja upravljanja projektima (PM) i intelektualizacije PM-a.

Pretpostavlja se da je čitatelj površno upoznat s teorijom upravljanja projektima i analiza sustava, kao i kod projektiranja informacijskih sustava. Dubinsko znanje u svim ili jednom od smjerova može izazvati neodoljivu želju za pisanjem komentara, što je dobrodošlo!...ili pokrenuti nešto teško u autora...
Pa počnimo.

1. Model projekta

U skladu s PMBoK 5 (1) postoji nekoliko područja znanja o upravljanju projektima (nećemo se doticati svih njih). U svakom od područja projekt se razmatra iz različitih kutova, sve vrste entiteta/objekata, metoda upravljanja i njihovog utjecaja na projekt, kao način organizacije rada za postizanje posebna namjena ili rješavanje problema. Ovdje ćemo samo ukratko opisati tipične objekte koji se mogu razlikovati u upravljanju projektima, njihove karakteristike, odnose, kao i opću mehaniku simulacijskog modeliranja i njegovu usklađenost s životnim ciklusom projekta.

Tipični objekti i njihove karakteristike
Projekt ima sljedeće karakteristike: voditelj, naziv, tip, planirani datum početka, stvarni datum početka, planirani datum završetka, stvarni datum završetka, trenutno stanje životnog ciklusa, početna bilanca projekta, trenutna bilanca projekta.
Karakteristike izračunate ili utvrđene na temelju drugih objekata: projektni tim, postotak završenog posla, zaostajanje ili prednjačenje u obimu obavljenog posla, zaostajanje ili zaostatak u vremenu, predviđeni trošak.
Zadatak / Posao- ovdje su naznačene slične karakteristike s projektom kojima se dodaju: inspektor, odgovorni izvršitelj, vrsta izvedenih radova, projekt, lokacija, postotak spremnosti.
Procjenjuje se ili utvrđuje na temelju karakteristika drugih objekata: redoslijeda izvođenja unutar projekta, sastava izvođača, povijesti promjena stanja, troškova dovršetka zadatka/rada.
Materijalni resurs(stalna sredstva): vrsta objekta, datum registracije, datum puštanja u rad, naziv, knjigovodstvena vrijednost.
Procijenjeno ili odredivo: amortizacija, trenutno stanje, gdje je trenutno uključena, raspored korištenja.
Potrošni resurs(sirovine, rezervni dijelovi): vrsta resursa, početne zalihe, lokacija, datum isporuke, rok trajanja.
Procijenjeno ili odredivo: tekuće zalihe, stopa rashoda
Osoblje: Puno ime, stalni boravak.
Procijenjeno ili odredivo: dostupnost za posao, kompatibilnost s drugim zaposlenicima, trenutni radni odnos u vrijeme rada, gdje je uključen, raspored rada.
Rizik: vjerojatnost nastanka, trošak štete, opis, trajanje utjecaja, pokazatelj aktiviranja rizika.
Procijenjeno ili utvrđeno: mjere za otklanjanje posljedica, mjere za sprječavanje nastanka ili izbjegavanja, trošak, vrijeme provedbe.

Odnosi i ovisnosti
Projekt – zadatak- izvode se u rokovima projekta.
Zadatak – zadatak- može imati hijerarhijski odnos (vertikalni), može imati odnos u obliku indikacije slijeda izvršenja (horizontalno).
Materijalni resurs – zadatak- vezan je kroz odnos rasporeda prema zadatku s naznakom rasporeda korištenja.
Potrošni resurs - zadatak- vezan je kroz odnos rasporeda prema zadatku, naznačujući potrebnu marginu za njegovu provedbu.
Osoblje - zadatak- može biti uključen u više zadataka, za koje je naznačen raspored rada i postotak korištenja u zadatku.
Rizik - [objekt]- kada se specificira odnos s [Objekat], naznačena je vjerojatnost pojave.
Naravno da nije kompletan popis predmeta.

Mehanika
Svaki korak simulacije odgovara fiksnom vremenu - 1 dan/sat projekta koji se izvodi. Da bismo to učinili, uzet ćemo sve termine, a intervale u projektu - višekratnike 1 dan / sat. Dijagram ciklusa simulacije prikazan je u nastavku:

Ciklus simulacije je sljedeći:

Postavlja početne vrijednosti za simulacijski projekt. Izrađuje se projekt, priprema raspored projekta, priprema stablo rizika. U ovoj fazi dostupne su i funkcije intelektualne potpore za upravljanje projektima, ali se ovaj korak ne može izvesti bez donositelja odluka.
Iteracija počinje određivanjem stvarnih vrijednosti.
Izvođenje mjere. Svaki ciklus simulacije izvodi sljedeće operacije:
- sredstva se troše na zadatke,
- provjerava se vjerojatnost kvarova (rizika),
- obavlja se određena količina radova s popisa radova na projektu,
- provode se financijske transakcije za projekt.
Izračunate vrijednosti za određenu mjeru se spremaju.
Provjera uvjeta za završetak simulacije.
Završetak modeliranja i izlaz rezultata (analitičke, agregirane i detaljne vrijednosti za korake modeliranja). Na kraju simulacije spremaju se posljednje (ukupne) vrijednosti i razlozi za prekid simulacije.
Izdavanje korisniku (ili donositelju odluka - DM) informacija o statusu projekta bez korištenja optimizacija, analitičkih modula i podrške odlučivanju. Korisnik je dužan odgovoriti na trenutno stanje (ako je potrebno) ili nastaviti simulaciju.
Evaluacija upravljačkih odluka korisnika na temelju trenutnih vrijednosti, kao i retrospektiva njihove promjene i upravljačkih odluka koje su donijeli korisnici korištenjem optimizacijskih algoritama, analitike i modula za podršku odlučivanju.

U skladu sa životnim ciklusom projekta razlikujemo:

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

Opće napomene
Svi podaci iz srednjih koraka simulacije spremaju se i akumuliraju unutar trenutne simulacije. U daljnjem radu algoritama optimizacije (u 8. koraku ciklusa simulacije) mogu se koristiti podaci kako trenutne tako i prethodne dovršene simulacije (prilagođene rezultatu završetka simulacije).
Kod nekoliko istovremeno izvedenih projektnih radova, simulacija za njih se izvodi kao da se paralelno (tj. simulira se simultano izvođenje), u nedostatku nesuglasica o korištenim resursima.
Kod više zaposlenika/vrsta resursa modeliranje se za svakog od njih izvodi paralelno (tj. troše se istovremeno), ako nema neslaganja o korištenim resursima.

2. Tehnologije implementacije

Glavna pitanja koja treba razmotriti:

pohranjivanje strukture podataka projekta u bazi podataka
sučelje za interakciju korisnika sa strukturom baze podataka
Alati za implementaciju poslužitelja simulatora
sučelje za interakciju između baze podataka i poslužitelja simulatora
pohrana neuronske mreže i međukoraci iteracije simulatora
interakcija između sučelja aplikacije i neuronske mreže

Kako je lako uočiti objekte projekta i veze među njima, lako ga je predstaviti u obliku relacija relacijske baze podataka i pohraniti u ovom obliku također nije teško, t.j. bit će dovoljna relacijska baza podataka - MySQL, na primjer.
Za razvoj sučelja odabrat ćemo Yii 2 framework (i odgovarajući tehnološki stog - PHP, HTML itd.).
Implementacija poslužitelja simulacije - Node.js
Implementacija neuronske mreže za Node.js, na primjer - habrahabr.ru/post/193738
Sučelje s frontendom (Yii2) i Node.js - github.com/oncesk/yii-node-socket
Ostaje pitanje o formatu pohrane same neuronske mreže, na koji se postavljaju sljedeći zahtjevi:

Odraz svojstava neuronske mreže (odnosi, težine veze, itd.)
Siguran pristup (isključuje izravan utjecaj korisnika na mrežu)
Sposobnost treniranja mreže.

2. Kontrolna logika

Za svako od područja znanja projektnog menadžmenta postoje iskazi problema i opisane matematičke metode za njihovo rješavanje, s kojima je autor površno upoznat. Ovisno o modelu upravljanja, poznavanje ovih pravila i metoda rješavanja problema treba preraspodijeliti između sustava i korisnika. Modeli upravljanja su istaknuti kako slijedi: (1)

kontrola s obavijestima- sustav ne utječe na objekt (projekt), ali prikazuje obavijesti o promjenama pokazatelja i mogućnosti izvođenja radnji (od donositelja odluke potrebno je odlučivanje i maksimalno znanje).
interaktivno upravljanje- sustav nudi kontrolne radnje, ali odluka ostaje na donositelju odluke (odlučivanje ostaje na donositelju odluke).
heurističko upravljanje- sustav samostalno donosi odluke i neke radnje (donositelj odluka je isključen iz procesa upravljanja).

Sama provedba upravljanja sastoji se u praćenju i analizi ukupnosti projektnih karakteristika i procjeni njihovog odstupanja od "normalnog" za određeno vrijeme, uzimajući u obzir dinamiku njihove promjene. Kontrolne radnje odabiru se na temelju dobivenih podataka (tj. ako postoji podudarnost takve kombinacije karakteristika bilo kojeg utjecaja), a analiziraju se i slični projekti sa sličnim situacijama i odlukama donesenim u njima. U skladu sa stupnjem ili razinom odstupanja, može se primijeniti jedna ili druga metoda utjecaja:

Preraspodjela sredstava između zadataka;
Preraspodjela radnih resursa između zadataka;
Promjena rasporeda izvršavanja zadataka;
Planiranje kupnje;
Izbjegavanje ili poduzimanje mjera za otklanjanje posljedica rizika.

Za metode utjecaja važne su sljedeće karakteristike: stupanj usklađenosti sa situacijom, trajanje provedbe, trošak provedbe, moguće vrijeme početka implementacije. Za određivanje primjenjive metode izlaganja važno je:

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

Logično je izgraditi te mehanizme korištenjem neuronskih mreža i neizrazite logike. Ovi se algoritmi mogu koristiti kako u fazi inicijalizacije i planiranja projekta, tako iu fazi njegove implementacije. Moguće je izvršiti analizu – kako promijeniti karakteristike nakon primjene kontrolnog djelovanja.

3. Intelektualizacija oponašanja

Da. u fazi izvršenja ciklusa moguće je u potpunosti isključiti donositelja odluke iz procesa kontrole. Što je potrebno za ovo? Da bismo modelirali događaje, moramo precizirati neke karakteristike (približne). Za obavljanje kontrolnih radnji, sustav mora "znati" neke dodatne informacije o predmetnom području, na primjer:
1. Preraspodjela sredstava između zadataka.

izmjenjivost resursa - može se postaviti matričnim tablicama korespondencije;
vjerojatnost kvara resursa - vjerojatnost je naznačena u rasponu od Xmin do Xmax;
mogućnost paralelnog korištenja od strane više izvršitelja – kao logičko svojstvo zadatka.

2. Preraspodjela radnih resursa između zadataka.

izmjenjivost i nekompatibilnost osoblja - može se postaviti s matričnim tablicama korespondencije;
produktivnost rada - kao izračunata vrijednost na temelju podataka o: radnom iskustvu, dobi, naprednoj osposobljenosti i sl.
omjer vrsta obavljenog posla i vještina potrebnih za njegovu provedbu - slično rješavaju matrice;
vjerojatnost neizlaska radnih resursa (vjerojatnost bolesti) - vjerojatnost je naznačena u rasponu od Xmin do Xmax;
mogućnost paralelnog izvođenja jednog djela od strane više izvođača – kao logično svojstvo zadatka.

3. Promjena rasporeda izvršavanja zadatka.

je li moguće obustaviti zadatak, ili bi izvođenje trebalo biti kontinuirano - kao logično svojstvo zadatka;
je li zadatak uključen u "kritični put" (tj. vrijeme njegovog završetka izravno utječe na vrijeme završetka projekta) - određuje sustav "u hodu".

4. Planiranje kupnje.

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

5. Izbjegavanje ili poduzimanje mjera za otklanjanje posljedica rizika.

vjerojatnost kvara opreme - vjerojatnost je naznačena u rasponu od Xmin do Xmax;
moguće opcije za izbjegavanje i otklanjanje posljedica - rješava se matricama ili listama usklađenosti (koji označavaju stupanj usklađenosti).

Ovo nije iscrpan popis zadataka. Ovdje je potrebno napomenuti i činjenicu da ne može postojati univerzalno rješenje ni za jedan projekt i, što je dobro za jedan projekt, smrt za drugi. Da. potrebne su određene ključne karakteristike, njihova ukupnost i njihova značenja, što bi omogućilo tipkanje i klasifikaciju, odabir sličnih projekata za obuku sustava, na primjer:

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

Faktor nesigurnosti i gore opisanih karakteristika i karakteristika samog projekta imat će važnu ulogu.

4. Multi-agent

Kao što je gore navedeno, nesuglasice o korištenju resursa mogu biti i unutar projekta između zadataka i između različitih projekata koji koriste iste resurse. Kako bismo pojednostavili rad s resursima, odabrat ćemo agenta, kojeg ćemo nazvati "Resource Arbiter". Njemu će se agenti "Projekti" prijaviti za potrebna sredstva, što će omogućiti preraspodjelu čak i rezerviranih resursa ovisno o važnosti (kritičnosti) zadataka ili projekata koji se izvode.

Zaključak

Koja je korist od takve simulacije ili simulacije upravljanja projektom? Odgovor je jednostavan:

kontrola s obavijestima- može se koristiti kao trening ili testiranje donositelja odluka za poznavanje određenih principa ili sposobnost rješavanja problema vezanih uz upravljanje projektima.
interaktivno upravljanje- razraditi neke prakse i testirati ih na modelu. To će omogućiti promjenu modela u skladu sa situacijom, ili obrnuto, procjenu ovladavanja metodama rješavanja problema PM-a od strane samog donositelja odluke (samopreispitivanje).
heurističko upravljanje- mogućnost velikog broja simulacijskih izvođenja i prikupljanja određenih iskustava (podataka) o tim simulacijama za njihovu daljnju analizu.

Međutim, sama imitacija i simulacija nije krajnji cilj. Kao rezultat akumulacije dovoljno točnih jednostavnih i složenih modela u simulacijskoj bazi, razvoja i otklanjanja pogrešaka ponašanja simulacijskog modela i modula koji provode interaktivnu interakciju i heurističko upravljanje (bez donositelja odluka), moguće je koristiti akumulirana pravila i algoritmi za upravljanje (ili inteligentnu podršku menadžmentu) stvarnim projektima (3).
Implementacija ovakvog sustava u obliku SaaS rješenja, uz uključivanje određenog broja sudionika, omogućit će pristup radnom iskustvu (bezličnom) ostalih sudionika (uz mogućnost osposobljavanja sustava).

Popis 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 situacijskog upravljanja (filozofija situacijskog pristupa)

Situacijsko modeliranje - grana sistemsko-analitičke djelatnosti, koja u suvremenom svijetu doživljava preporod.

Prva inkarnacija - čisto znanstvena - dogodila se prije nekoliko desetljeća u odnosu na objekte i zadatke koji su više "romantični" nego praktični: modeliranje razmišljanja, strategije igranja, modeliranje rasta ili multifaktorskog ponašanja. Objekti su definirani kao “složeni”, tj. one u odnosu na koje je nemoguć striktni funkcionalni ili iscrpni opis “matrice” (nabrajanjem svih vrijednosti parametara), što ih svrstava u klasu “kartezijanskih” objekata s linearnom uzročnom uzročnošću. Upućivanje na „ugniježđenje” sustava jedan u drugi (dekompozicija) imalo je više filozofsko (epistemološko) značenje nego formalno, matematičko. No, sve je to postupno dobivalo rigorozno znanstveno opravdanje u obliku kibernetike, teorije skupova, matematičkih teorija prikaza nelinearnih procesa i teorije katastrofa.

Situacijsko modeliranje oslanja se na strogost teorijskih pristupa, ali dodatno sadrži sredstva za variranje uvjeta "suprotnih" formalnim ograničenjima. S čisto tehničkog gledišta, posljednji dodatak kao alat za modeliranje pojavio se upravo posljednjih godina zahvaljujući razvoju računalnih aplikacija (objektno orijentirano programiranje, tehnologije slučaja, grafičko sučelje i drugi alati za vizualizaciju). Kao odgovor na razvoj ovih mogućnosti, izvlači se jedan ili drugi teorijski osmišljen aparat: vjerojatnostno modeliranje, neizrazita logika... ali jezik integro-diferencijalnog računa koji je teško pričvrstiti na specifične situacije) - situacijsko modeliranje postaje i mogućije i ispravnije sa stajališta stroge teorijske potkrijepljenosti.

Konačno, posljednja napomena u vezi s problemom holističkog predstavljanja objekata je da namjerno postavljena zadaća situacijskog modeliranja vodi potrošača modela (u komercijalnoj aplikaciji, šefa poduzeća) u „virtualnu stvarnost”: on predlaže se da "igra" situaciju. Odigrani scenariji ne moraju se ostvariti, ali vas mogu upozoriti - i to je njihova apsolutna korisnost.

Metoda implementacije situacijskog modeliranja – - skup intelektualno organiziranih radnih stanica s automatiziranim operacijama za učitavanje i nadopunjavanje informacija (uključujući pretvarače podataka), postupcima za izgradnju modela, analizu situacije, pokretanje modela i grafički prikaz izgubljenih scenarija.

Situacijsko modeliranje jedan je od pristupa modeliranju. Osim situacijskog modeliranja također postoje,.

Proces modeliranja može se podijeliti u dva dijela: modeliranje sustava i simulacija modela. Izraz imitacija se namjerno ne koristi kao što se obično povezuje s njim. Rezultat dizajna je model predstavljen odgovarajućim jezikom za opisivanje (reprezentacija) znanja, čiji je glavni element koncept .

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

Jedinstvenost.Svaki objekt ima takvu strukturu i funkcije na način da se njegov upravljački sustav mora izgraditi uzimajući u obzir sve njegove kvalitete i na njega je nemoguće primijeniti bilo koji standardni tipični kontrolni postupak.
Odsutnost formalizirane svrhe postojanja... Nije za sve objekte moguće jasno formulirati svrhu njihovog postojanja.
Nedostatak optimalnosti. Posljedica prvih točaka je nesposobnost formulacije klasičnog optimizacijskog problema, a zbog nepostojanja svrhe postojanja (u okviru teorije upravljanja) nemoguće je konstruirati objektivni kriterij upravljanja za predmetne objekte. . Kontrolni kriterij postaje subjektivan, potpuno ovisan o donositelju odluke (DM).
Dinamičnost... S vremenom se mijenja struktura i funkcioniranje objekata.
Nepotpun opis... Tim stručnjaka koji poznaje objekt upravljanja u pravilu nije u mogućnosti odmah generirati takve informacije, što bi svakako bilo dovoljno za kreiranje sustava upravljanja objektom.
Značajan broj subjekata... U mnogim objektima upravljanja ljudi su elementi njihove strukture. Njihovo individualno ponašanje gotovo je nemoguće uzeti u obzir pri izradi upravljačkog sustava, a potrebne su posebne tehnike kako bi se neutralizirao njihov utjecaj na funkcioniranje kontrolnog objekta.
Velika dimenzija... Složen sustav, karakteriziran velikom dimenzijom, što ne dopušta njegovu simulaciju u kratkom vremenu.
Neformalizirane informacije... Često je za donošenje odluke potrebno uzeti u obzir loše formalizirane koncepte.

2. Metode situacijskog modeliranja

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

diskretne situacijske mreže (DSS);
RX kodovi;
logika predikata;
univerzalni semantički kod.

Situacijski je web složen semantički web. Svaka situacija je opisana usmjerenim grafom (mrežom), a hipergrafovi se koriste za predstavljanje ugniježđenja („situacijske situacije“), t.j. neki fragment semantičke mreže koji definira situaciju može se smatrati jednim vrhom mreže. U zoru nije korišten koncept hipergrafa, već je svaki autor uveo zamjensku notaciju.

RX kodovi su jezik binarnih odnosa i kao nuklearna konstrukcija imaju sljedeći zapis: x 1 = x 2 r 2 x 3, gdje je x i objekt ili; r i - omjer.

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

Za implementaciju semiotičkih jezika u računalo koriste se jezici za predstavljanje znanja. Najbliži pristup opisivanju semiotičkih konstrukcija je semantička mreža. Međutim, mreže su vrlo spore pri korištenju operacija pretraživanja, stoga su konstrukcije često predstavljene logikom predikata [Devyatkov, 2001], okvira [Pospelov, 1990] i produkcija [Gavrilova, 2001].

Treba napomenuti da su metode predstavljanja znanja u situacijskim sustavima i simulacija. Situacije djeluju kao čvorovi mreže. Ako primijenimo Petrijeve mreže, tada će vrhovi (položaji) biti situacije, a prijelazi događaji.

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

Linkovi: : Povijest nastanka. Metoda situacijske kontrole
nastao u vezi s potrebom za simuliranjem procesa na
donošenje odluka u sustavima s aktivnim elementom (ljudskim). V
temelji se na tri osnovne premise.
Prva premisa je psihologija, koja je počela proučavati
naučiti principe i modele ljudskog odlučivanja u operi
teške situacije. Poznat po radu sovjetskih psihologa u tome
regija - V.N. Puškin, B.F. Lomov, V.P. Zinčenko i drugi. V.N. Puškin je formulirao takozvanu teoriju modela
razmišljanje. Pokazao je da psihološki mehanizam
661 reguliranje radnji ljudskog ponašanja usko je povezano s konstrukcijom
informacijski model objekta u strukturama mozga i
vanjski svijet, unutar kojeg se proces odvija
upravljanje na temelju čovjekove percepcije informacija izvana i
već postojeće iskustvo i znanje. Okvir za izgradnju modela
su konceptualni prikazi objekata i odnosa
između njih, odražavajući semantiku odabrane sfere
čovječanstvo (predmetno područje). Objektni model ima
višerazinsku strukturu i definira te informacije
kontekst u kojem se odvijaju procesi upravljanja. Kako
takav informacijski model objekta je bogatiji i viši je sposoban
manipulacije znanjem, to je veća kvaliteta
rješenja, raznovrsnije ljudsko ponašanje. V.N. Puškin
prvi put istaknuo tri važne značajke procesa usvajanja
rješenja: sposobnost razvrstavanja situacija u
usklađenost s tipičnim upravljačkim rješenjima; glavni
otvorenost velikih sustava; bitno ograničenje
jezik za opisivanje prostora stanja i rješenja objekta
upravljanje.
Drugi preduvjet metode situacijskog upravljanja
postali su stavovi dobiveni u studijama o semio
tick-znanost o znakovnim sustavima. Ovo su djela Yu.A. Schreide
ra, Yu.D. Apresyan. Definirana je trostruka struktura
znak u bilo kojem znakovnom sustavu: naziv znaka koji odražava njegovu sin
taksički aspekt; sadržaj znaka koji izražava njegov semman
tički aspekt; svrha znaka koja definira njegov pragmatizam
fizički aspekt (Fregeov trokut). U primijenjenoj semiotici
znakovi, čije su varijante riječi, rečenice, teh
počeli su se promatrati kao sustavi koji zamjenjuju stvarne
predmeti, procesi, događaji vanjskog svijeta. Agregati
znakovi s odnosom između njih, tako je postao moderan
pseudofizički analozi stvarnih sustava funkcionalnih
kacije i upravljanja. Zato je situacijska jedinica
upravljanje se također naziva semiotičko modeliranje,
budući da je znakovni jezik dovoljan za opis i procese
funkcioniranje objekta s potrebnim stupnjem aproksimacije.
Treći preduvjet vezan je uz razvoje na području informiranja
tražilicama i pokušajima stvaranja formalnog
jezik opisa i prikaza tehničkih znanosti u svrhu auto-
662 matizacija radova na apstrahiranju znanstvenih publikacija i organizaciji
Niziranje procesa traženja, pohranjivanja i prezentiranja informacija
macija. U okviru ovih studija, E.F. Skorokhodko je jednom bio
radio i proučavao jezik, koji je kasnije dobio naziv jezika
rx kodovi. Taj je jezik svoju implementaciju našao u informacijama
ali tražilica BIT koja je uspješna i to već dosta dugo
djelovao u Institutu za kibernetiku Akademije znanosti Ukrajinske SSR.
Na temelju teorije modela mišljenja, V.N. Puškin, yazy
ka gH "Kodo E.F. Skorokhodko i semiotika D.A. Pospelov, a za
pa Yu.I. Klykov je 1965. formulirao novi kibernet
tehnički koncept upravljanja velikim sustavima u obliku
metoda situacijskog upravljanja.
Bit metode
Koncept situacije kao osnove uzima se kao osnova za upravljanje.
Noa objekt opisa, analize i donošenja odluka. Istraživač
ali, potrebna su odgovarajuća sredstva - opisi, klase
fikcija, trening i transformacija situacija u skladu sa
donesene odluke.
Klasifikacija situacija bila je opravdana postojanjem,
na temelju analize strukture upravljačkih zadataka u velikim sustavima
max, na svakoj kontrolnoj razini skupa situacija, broj
koja je nesumjerljivo velika u usporedbi s mnoštvom
moguća upravljačka rješenja. Problem donošenja odluka o kamionu
je zamišljen kao problem pronalaženja takve podjele skupa situacija
cije u klase, u kojima svaka klasa odgovara
najcjelishodnije rješenje sa stajališta zadanih kriterija
funkcioniranje. U prisutnosti takve particije, potraga za re
u konkretnoj situaciji svodio se na potragu za klasom i omjerom
dajući mu upravljačku odluku. Međutim, takva postavka
problem vrijedi za upravljačke sustave u kojima je broj
potencijalno moguće situacije (PVS) znatno premašuje
(ponekad za nekoliko redova veličine) broj mogućih rješenja
o upravljanju. Ovaj slučaj odgovara kontekstualno neovisnom
moja metoda izvođenja rješenja, kada se cijeli skup PVS-a podijeli
je podijeljen na klase na način da svaki razred, u skladu s
Odgovornost je stavljena na odluku uprave. Slučaj kada
skup situacija i odluka bio je ili usporediv po snazi
vrijednost ili više da se ta činjenica može iskoristiti
tanovit, razmatran je i razvijen tada u djelima L.S. Po-
gad i njezina škola.
663 Jezik za opisivanje cijelog niza situacija temeljio se na
preuzete su ideje jezika r-dr-kodova i sintagmatskih lanaca. Uloga mene
objekti predmetnog područja igrali su svoje ikoničke ekvivalente
valenti u prirodnom jeziku, t.j. nazivi riječi, a u ulozi rel
niy riječi-nazivi, koji odgovaraju stvarnim vezama
između objekata ili procesa. Kao gramatika jezika
situacijske kontrole (YSU) bila su generirana pravila
novi pojmovi i odnosi, njihove transformacije i klasifikacije
fikcija (vidi Jezik situacijskog upravljanja).
Najvažnija ideja metode je formiranje semiotike
modelirati objekt učeći donositi odluke. Pri čemu
razmatrana su dva načina obuke: od strane stručnjaka,
proučavanje predmetnog područja koje se proučava ili na temelju analize
za mnoge specifične situacije i upravljačke odluke.
Očito, potonji slučaj je duži, ne jamči
potpunost opisa, zahtijeva statistiku situacija i kada
rješenja koja se nalaze u njima, što je daleko od uvijek moguće. Tako
postala je uobičajena praksa uglavnom koristiti prvi
pristup učenju. Ipak, prisutnost u YSU sredstava za
definicija i klasifikacija situacija daje temeljnu
sposobnost stvaranja modela koji se mogu poboljšati
funkcije odlučivanja u promjenjivim uvjetima
kontrolni objektni botovi. Drugim riječima, moguće je
nost "uzgajanja" modela objekta za zadane uvjete
funkcioniranje.
Razvoj situacijskog modeliranja. Godine 1973. L.S. Zagonetka-
sky (Bolotova) razvila je drugu, novu vrstu sustava
teme situacijskog upravljanja, koje su razmatrale klasu sustava
kontrola, u kojoj su kardinalnosti skupova mogućih situacija
a upravljačke odluke su usporedive ili nepoznate. Prev
sve brojne situacije trebale su se na takav način podijeliti u razrede
odjednom, tako da je svakoj klasi dodijeljena struktura
krug tipičnog rješenja. U sljedećoj fazi rješenja, ovo
struktura je redefinirana u procesu interpretacije i konkrecije
rješenje i uzimajući u obzir postojeća ograničenja resursa
sy. Dakle, svaka tipična kontrolna otopina
i. njegova struktura M. je stavljena u korespondenciju, i, posljedično,
osim skupa S / = (t / p U2, ... UJ, skup struktura
krug tipičnih rješenja M = (Mp M2, ... M ^).
664 Zatim je za svaku strukturu identificirana potrebna krajnja točka.
tekstualni sloj znanja koji ima okvirnu strukturu i uključuje
pravila za tumačenje situacija unutar dane strukture
ture i mnoge postupke za njihovu transformaciju i oponašanje.
Razvijen je i logičko-semiotički model zaključivanja
odluke o hijerarhiji struktura odlučivanja.
Očito, u drugom slučaju,
problem izgradnje modela domene (LPM). Vremena
rad IGO-a je još uvijek umjetnost, zahtijeva primjenu
najviše kvalifikacije sistemskih analitičara. Potreba
dimo odgovara na brojna pitanja:
Kako su granice odabranog predmeta
područje?
Kako nastaje dosljedan opi jezik?
kombinacija svih skupova situacija i procesa za MPS sa složenim
Noa, hijerarhijska i distribuirana struktura?
Kako se formira sustav znanja o IGO-ima?
dovoljno za postizanje vaših ciljeva?
Kako se "manifestiraju" potrebne interakcije
utjecaj između sudionika u upravljanju i procesima donošenja odluka
kako su opisani?
Kako se odluke donose u nepotpunom
bilješke, neizvjesnosti i nejasnoće?
Kao rezultat istraživanja i razvoja primijenjenih sustava
situacijskog upravljanja stvorena je međusektorska metodologija
i tehnologiju projektiranja sustava situacijskog upravljanja
velike sustave, uključujući potrebne instrumentalne
alate i sustave temeljene na jezicima REFAL i LISP.
Kao što slijedi iz opisa jezika situacijskog upravljanja (vidi) i
organizaciju modela situacijskog upravljanja, već tada, 70-ih godina.
XX. stoljeću, sustavi situacijskog upravljanja (SSS) imali su sve
znakove suvremenih ekspertnih sustava (ES) barem
2. generacija, tj. dinamički ES. Ovo je prisutnost semiotije
fizički model kontrolnog objekta i procesi njegova funkcioniranja
formiranje u obliku sustava pravila proizvodnog tipa, i to je prirodno
nelingvističko sučelje s programerima i korisnicima, i
prisutnost ugrađene vremenske logike koja osigurava rad
SSA u stvarnom vremenu i simulacija. Ovo je inst
softver za upravljanje za implementaciju SSA na temelju
jezici LISP i REFAL. Štoviše, domaći stručnjaci
665 stvorili ste velike sustave i čak ih implementirali u praksu
kao dio industrijskog ACS-a.
Primjeri.
Izveden sustav situacijskog upravljanja "Aviaremont".
odeski ogranak Ekonomskog instituta Akademije znanosti Ukrajinske SSR kao
dio automatiziranog sustava upravljanja Aviaremont za TsNIIASU (Riga).
Sustav situacijske dispečerske kontrole
volumena i slijetanja zrakoplova, razvijenih za VNIIRA (Lenjin
tuča).
Sustav za planiranje sesije satelitske komunikacije.
Niz sustava posebne namjene i tako dalje. .
Na Zapadu, a onda i kod nas, heuristički
nešto programiranja (60-ih godina XX. stoljeća), umjetna inteligencija
(vidi) - AI (70-te godine XX stoljeća), ali kod nas, iza zavjese, loše je
zamišljao što se radi u inozemstvu. Oni koji su imali pristup ameu
rikanski i zapadni izvori nisu razumjeli ovaj smjer
lijenost i vjerovao da je AI nešto sasvim drugo i ne
nema nikakve veze sa situacijskim upravljanjem. Promijenite sve
losa 1975., kada je IV Internacional
AI konferencija, na kojoj su sudjelovale gotovo sve žitarice
svjetski znanstvenici u području umjetne inteligencije. Ovdje tog
da, postalo je jasno da i naši stručnjaci i strani praktični
ki rade istu stvar, ali s različitih stajališta.
Domaći stručnjaci išli su "odozgo" i pokušali riješiti
problemi, metodološki i konceptualno jasni, ali još ne
opskrbljena osnovnim sredstvima – ni teorijskim ni u
instrumentalni. Konferencija je mnogima pomogla da razumiju i razumiju
definirati svoje mjesto u međunarodnom procesu kretanja prema korištenju
fizičkom umu. Na sljedećim školama, seminarima,
svesavezni simpoziji o situacijskom upravljanju već u
1975. jasno su formulirani problemi koji su kočili vrijeme
obrat situacijskog upravljanja. To je prije svega razvoj
razvoj modela predstavljanja znanja i instrumentalnih sustava
teme softverske podrške SSU.
Do 1980. postojali su deseci SSU-a različitog stupnja razvoja.
Tannost. Većina njih su demonstracijski i istraživački
telskie uzorci. Uopće nije bilo komercijalnih uzoraka. Prije
nekoliko industrijskih dizajna doneseno je iz više razloga:
nedostatak instrumentala softverski sustavi donio
do faze komercijalnih uzoraka; nedostatak kulture donio
666 njihova softverski alati do komercijalne faze; odsutan
razumijevanje nove paradigme u širem razvojnom okruženju
kov ACS; nedovoljno financiranje mogućnosti i pogodnosti s
zgrade komercijalnih ljuštura instrumentacijskih sustava.
Zapadni znanstvenici otišli su na AI "odozdo", od igara s blokovima, križem
tiki-toe itd. Zanimalo ih je inteligentni roboti i
planiranje svog ponašanja. Stoga su ovi zadaci još uvijek
Oni su klasični kada se podučavaju teorijske osnove AI.
Na njima su razvijeni svi glavni modeli.
razvoj znanja: proizvodnja, semantičke mreže, okviri.
Od 1977. počinje raslojavanje u redovima "situacionista".
Škole D.A. Pospelova, V.A. Vagina, L.T. Rođak i neki
drugi koji su bili bliži teorijskim proučavanjima roda
njihov položaj (Akademija znanosti SSSR-a, sveučilišta), brzo reorganiziran u
stranom nazivlju i ovladao dostignućima Zapada. Ovaj
bilo lako napraviti jer je razlika bila u glavnom terminu
nološki.
Početkom 80-ih godina. pojavili su se ekspertni sustavi (vidi), a ovdje
pokazalo se da se u suštini čini da se poklapaju sa SSU,
kako smo ih predstavili. I ovaj se pojam činio sretnijim
nym, brzo je postao moderan. Kao rezultat toga, početkom 90-ih.
XX. stoljeće gotovo svi "situacionisti" bili su angažirani u ES-u.
Tako se pokazalo da situacijsko upravljanje
igrao u našoj zemlji ulogu osnove za veliki broj posebnih
alisti o umjetnoj inteligenciji (vidi).

Pogledajte članak (sažetak): “ SIMULACIJA SITUACIJE ILI UPRAVLJANJE SITUACIJOM"S disciplina" Teorija sustava i analiza sustava u upravljačkim organizacijama»

Modeliranje je glavna metoda proučavanja proizvodnih i gospodarskih sustava. Modeliranje se shvaća kao takav način prikaza objektivne stvarnosti, u kojem se posebno konstruirani model koristi za proučavanje izvornika, reproducirajući određena (u pravilu samo bitna) svojstva stvarne pojave (procesa) koja se proučava.

Model je objekt bilo koje prirode koji je sposoban zamijeniti istraženi objekt na način da njegovo proučavanje daje nove informacije o istraženom objektu.

U skladu s tim definicijama, koncept modeliranja uključuje konstrukciju modela (kvazi-objekta) i operacije na njemu za dobivanje novih informacija o objektu koji se proučava. Sa stajališta uporabe, model se može shvatiti kao prikaz sustava pogodnog za analizu i sintezu. Između sustava i njegovog modela postoji odnos korespondencije, što omogućuje istraživanje sustava kroz proučavanje modela.

Tip modela determiniran je prvenstveno pitanjima na koja je poželjno dobiti odgovor pomoću modela. Mogući su različiti stupnjevi korespondencije između modela i simuliranog sustava.

Često model odražava samo funkciju sustava, a struktura modela (i njegova adekvatnost sustavu) nije bitna, smatra se crnom kutijom.

Simulacijski model već uključuje jedan prikaz i funkcija sustava i suštine procesa koji se u njemu odvijaju.

Modeliranje kao metoda spoznaje temelji se na činjenici da svi modeli na ovaj ili onaj način odražavaju stvarnost. Ovisno o tome kako i kojim sredstvima, pod kojim uvjetima, u odnosu na koje se objekte spoznaje to svojstvo ostvaruje, nastaje široka raznolikost modela. Postoji niz principa za razvrstavanje modela različite prirode, od kojih su sljedeća najznačajnija:

- načinom prikazivanja stvarnosti, a time i konstrukcijskim aparatom (formom);

- po prirodi objekata koji se modeliraju, sadržaju).

Po načinu prikaza ili aparaturi konstrukcije razlikuju se dvije vrste modela (sl. 7.2): materijalni i mentalni, odnosno idealni.

Riža. 7.2. Klasifikacija modela

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

Modeli materijala podijeljeni su u tri podvrste.

Prostorno slični modeli su strukture dizajnirane za prikaz prostornih svojstava ili odnosa objekta (modeli kuća, tvornica, gradskih četvrti, prometnih mreža, smještaja opreme u radionici itd.). Preduvjet za takve modele je geometrijska sličnost.

Fizički slični modeli su materijalni modeli dizajnirani da reproduciraju sve vrste fizičkih veza i ovisnosti promatranog objekta (modeli brana za elektrane brodova i zrakoplova). Osnova za konstrukciju takvih modela je fizička sličnost – ista fizička priroda i istovjetnost zakona gibanja.

Matematički slični modeli - modeli koji posjeduju, u jednoj ili drugoj mjeri, isti matematički formalizam koji opisuje ponašanje objekta i modela (analog računala, kibernetički funkcionalni modeli). Matematički slični materijalni modeli su materijalne ili fizičke ljuske nekih matematičkih odnosa, ali ne i sami odnosi.

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

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

- vizualno-figurativni modeli čije su slike u svijesti građene od senzualno vizualnih elemenata;

- znak (uključujući matematičke modele, u kojima su elementi objekta i njihovi omjeri izraženi znakovima (uključujući matematičke simbole i formule).

Klasifikacija modela prema prirodi simuliranih objekata zbog njihove izuzetne raznolikosti ovdje se ne čini prikladnom.

Konačni cilj modeliranja nije proučavati model kao takav, već neki istinski predmet proučavanja koji se razlikuje od njega, ali ga on reproducira.

Očito, nijedan model ne može i ne smije u potpunosti reproducirati sve aspekte i detalje proučavanih pojava: poduzeće se može okarakterizirati s različitih stajališta - direktora ili glavnog inženjera, računovođe, dobavljača ili inženjera energetike.

Sukladno tome, karakter i konstrukcija modela bit će drugačiji.

Modeliranje, kao metoda znanstvenog saznanja, temelji se na sposobnosti osobe da apstrahira početne znakove ili svojstva različitih pojava (procesa) i uspostavi određeni odnos među njima. Zahvaljujući tome, postaje moguće proučavati pojave ili procese na neizravan način, naime, proučavanjem modela koji su im analogni u nekom strogo definiranom pogledu.

U općem slučaju preporučljiv je sljedeći slijed modeliranja sustava: konceptualni opis (proučavanje) sustava, njegova formalizacija i na kraju, ako je potrebno, algoritamizacija i kvantifikacija sustava.

Prilikom modeliranja proizvodno-ekonomskih sustava, uz formalizirane, matematičke metode analize koje se koriste za pojedine podsustave ili privatne procese, potrebno je koristiti i heurističke metode za analizu proizvodnje u onim njezinim elementima i vezama koji nisu podložni formalizaciji. A pri korištenju matematičkih metoda, zbog brojnih varijabli, često se mora pribjegavati pojednostavljenjima, koristiti metode dekompozicije i agregacije varijabli. Kao rezultat toga, odluke postaju približne i kvalitativne.

Zbog prisutnosti u velikim složeni sustavi organizacijsko i proizvodno upravljanje vezama i vezama koje su teško ili uopće nisu formalizirane, za njihovo proučavanje potrebno je koristiti uglavnom deskriptivne modele, podvrgavajući sustav dekompoziciji u zasebne funkcionalne podsustave; zatim potražite one podsustave koji se podnose matematičkoj formalizaciji, simulirajući tako pojedinačne elemente općeg proizvodnog procesa.

Krajnji cilj modeliranja proizvodno-gospodarskog sustava je priprema i donošenje upravljačkih odluka od strane čelnika poduzeća.

Modeli proizvodnih i ekonomskih sustava mogu se razlikovati po sljedećim značajkama:

- za potrebe modeliranja;

- po zadacima (funkcijama) upravljanja;

- po fazama (postupcima) upravljanja;

- matematičkim metodama modeliranja.

Ovisno o ciljevima modeliranja, postoje modeli dizajnirani za:

- projektiranje sustava upravljanja;

- procjene učinkovitosti;

- analiza sposobnosti poduzeća u različitim uvjetima njegove aktivnosti;

- razvoj optimalnih rješenja u različitim proizvodnim situacijama;

- izračun organizacijskih struktura sustava upravljanja;

- izračun informacijske podrške itd.

Specifičnost modela ove klasifikacijske podjele izražena je prvenstveno u odabiru odgovarajućih kriterija izvedbe, kao iu postupku implementacije rezultata simulacije.

Ovisno o zadaćama (funkcijama) menadžmenta razlikuju modele planiranja, upravljanja razvojem poduzeća, kontrole kvalitete proizvoda i sl. Modeli ovog odjela usmjereni su na specifične proizvodno-gospodarske zadatke i u pravilu bi trebali davati numeričke rezultate.

Ovisno o stupnju (postupku) automatizacije upravljanja, modeli mogu biti informacijski, matematički, programski. Modeli ove jedinice usmjereni su na odgovarajuće faze kretanja i obrade informacija.

Ovisno o primijenjenom matematičkom aparatu, modeli se mogu podijeliti u pet velikih skupina: ekstremne, matematičko programiranje (planiranje), vjerojatnostne, statističke i teorijske igre.

Ekstremni modeli uključuju modele koji omogućuju pronalaženje ekstrema funkcije ili funkcionalnosti. To uključuje modele izgrađene korištenjem grafičkih metoda, Newtonovu metodu i njezine modifikacije, varijacijski račun, Pontryaginov princip maksimuma itd. Na temelju mogućnosti ovih metoda, koriste se prvenstveno za rješavanje problema operativnog upravljanja.

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

Matematičko programiranje kombinira niz matematičkih metoda osmišljenih za najbolju alokaciju dostupnih ograničenih resursa - sirovina, goriva, radna snaga, vrijeme, kao i za izradu odgovarajućih najboljih (optimalnih) planova djelovanja.

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

Vjerojatnostni modeli opisuju pojave i procese slučajne prirode, na primjer, povezane sa svim vrstama nesustavnih odstupanja i pogrešaka (proizvodni nedostaci, itd.), utjecajem prirodnih pojava, mogućim kvarovima opreme itd.

Statistički modeli uključuju modele sekvencijalne analize, statističke metode ispitivanja (Monte Carlo) itd. To također uključuje metode slučajnog pretraživanja.

Metoda statističkog testiranja je da se tijek određene operacije kao da se kopira računalom, sa svim nezgodama svojstvenim ovoj operaciji, na primjer, pri modeliranju organizacijskih zadataka, složenih oblika suradnje razna poduzeća itd. Primjena ove metode naziva se simulacija.

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

Teorijski modeli igara osmišljeni su da opravdaju odluke u uvjetima neizvjesnosti, nejasnoće (nepotpune informacije) situacije i povezanog rizika. Metode teorije igara uključuju teoriju igara i teoriju statističkih odluka.

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

Modeli teorijske igre mogu se koristiti za opravdavanje upravljačkih odluka u industrijskim i radnim sukobima, pri odabiru ispravne 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, kvaliteta nove tehnologije itd.), ili su slučajne prirode (vremenski uvjeti , moguće vrijeme kvara pojedinih komponenti proizvoda itd.).

Preporučljivo je koristiti teorijske modele igara u pripremi, provođenju i evaluaciji rezultata poslovnih igara.

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

Modeli procjene učinka osmišljeni su za razvoj karakteristika proizvodnje i upravljanja. Svi vjerojatnosni modeli pripadaju ovoj skupini. Modeli procjene učinka su "ulaz" u odnosu na modele optimizacije.

Optimizacijski modeli dizajnirani su za odabir najboljeg tijeka radnje ili ponašanja u danim uvjetima. Ova skupina uključuje ekstremne i statističke modele, modele matematičkog programiranja i teorijske modele igara.

U nastavku ćemo razmotriti neke od najčešćih modela koji se koriste u rješavanju proizvodni zadaci, kao i za formiranje organizacijskih struktura za upravljanje proizvodnjom.

Glavni smjer modeliranja upravljanja proizvodnim i ekonomskim sustavima je stvaranje modela upravljanja proizvodnjom.

Trenutno su razvijeni i primjenjuju se modeli sljedećih funkcija upravljanja proizvodnjom:

- planiranje proizvodnih i gospodarskih aktivnosti poduzeća;

– operativno upravljanje;

- operativni propis;

- upravljanje materijalno-tehničkom opskrbom proizvodnje;

- upravljanje prodajom Gotovi proizvodi;

- upravljanje tehničkom pripremom proizvodnje.

Također je razvijen sustav međusobno povezanih modela proizvodnje i upravljanja.

Modeli planiranja proizvodnih i gospodarskih aktivnosti poduzeća. Ciljna funkcija modela ove skupine predviđa:

- maksimiziranje kriterija učinkovitosti proizvodne aktivnosti poduzeća na temelju raspoloživih kapaciteta i isporučenih resursa;

- minimiziranje potrošnje resursa unutar zadanog kriterija učinkovitosti.

Modeli planiranja proizvodnih aktivnosti poduzeća dijele se na: modele predviđanja, modele tehničko-ekonomskog planiranja, modele operativnog i proizvodnog planiranja.

Modeli predviđanja su modeli koji se temelje na matematičkim metodama (najmanji kvadrati, pragovi, eksponencijalno izglađivanje) ili na metodama stručnog prosuđivanja.

Modeli tehničkog i ekonomskog planiranja temelje se na metodama matematičkog programiranja (planiranja). Kao glavni kriterij učinkovitosti (objektivne funkcije) pri izradi optimalnog plana obično se odabiru konačni rezultati proizvodnje, na primjer, visina dobiti. Ograničenja se uzimaju kao ograničenja na složenost proizvoda, vrijeme rada opreme, resurse itd. Budući da je veličina nekih od ovih ograničenja slučajna (na primjer, vrijeme rada opreme), za rješavanje takvih optimizacijskih problema koristi se vjerojatnostni pristup. Tipični optimizacijski modeli tehničko-ekonomskog planiranja su modeli za izračun optimalnog plana, distribucije proizvodni program po kalendarskim razdobljima, optimalno opterećenje oprema. Ovi modeli su izgrađeni korištenjem tehnika matematičke optimizacije.

Modeli operativnog planiranja obično se kombiniraju s modelima operativnog upravljanja.

Modeli operativnog upravljanja. Glavne zadaće operativnog upravljanja su operativno planiranje proizvodnje, sustavno računovodstvo i kontrola provedbe kalendarski planovi, kao i operativno reguliranje tijeka proizvodnje.

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

Modeli za izračun optimalne veličine serije proizvoda mogu se kreirati u odnosu na jednostavnu i cjelovitu izjavu problema. U jednostavnoj formulaciji, određivanje veličine proizvodnje ili kupnje serije dijelova kod kojih su godišnji troškovi minimalni svodi se na uobičajeni problem pronalaženja minimuma funkcije. U cjelovitoj formulaciji traži se takav skup veličina serija, koji odgovara minimalnom ukupnom trošku zamjene opreme i odbitcima za rad u tijeku s ograničenjima na trajanje zamjena, resurse opreme, međuovisnost veličina serija u susjednim operacijama i osiguranje zapošljavanja radnika. Rješenje ovog problema postiže se korištenjem metoda matematičke optimizacije.

Modeli za planiranje izračuna mogu biti:

- statistički s optimizacijom metodom slučajnog pretraživanja;

- simulacija sa skupom preferencijalnih pravila;

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

Modeli operativne regulacije. Ovi modeli imaju za cilj osigurati da se odstupanje proizvodnih rezultata od planiranih pokazatelja zadrži u zadanim granicama. U ovom slučaju koriste se dvije vrste modela: modeli upravljanja temeljeni na kriteriju optimalnosti i modeli upravljanja temeljeni na odstupanju.

Modeli regulacije po kriteriju optimalnosti temelje se na činjenici da se nakon konkretnog mjerenja stvarnog stanja proizvodnog procesa izrađuje plan koji optimalno dovodi proces u unaprijed određeno stanje na kraju planskog razdoblja.

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

Konstrukcija oba modela provodi se pomoću matematičke optimizacijske aparature koja se koristi u teoriji automatskog upravljanja.

Modeli upravljanja materijalno-tehničkom opskrbom proizvodnje. Središnji problem upravljanja materijalno-tehničkom opskrbom proizvodnje je zadatak određivanja potrebnog obujma zaliha svih vrsta zaliha. U ovom slučaju mogu se izgraditi dva bitno različita modela upravljanja zalihama - s fiksnom veličinom narudžbe i s fiksnom razinom zaliha. Postoji i srednji model, koji fiksira i gornju razinu dionica i Niži nivo narudžba.

Izgradnja modela upravljanja materijalno-tehničkom opskrbom provodi se pomoću posebnih metoda matematičke optimizacije, koje se nazivaju "teorija upravljanja zalihama".

Modeli upravljanja prodajom gotovih proizvoda. Glavni problem upravljanja prodajom gotovih proizvoda je zadatak izračunavanja godišnjeg plana opskrbe gotovim proizvodima. Za rješavanje ovog problema, korištenjem metoda matematičke optimizacije, izrađuje se model optimizacije godišnjeg plana nabave gotovih proizvoda. U ovom slučaju ciljna funkcija je trošak prodanih proizvoda, a ograničenja su zahtjev da ukupni volumen proizvoda koji se isporučuje u određenom vremenskom intervalu svim potrošačima ne prelazi volumen proizvodnje za isto vrijeme, a ukupni obujam isporuka potrošača za sve vremenske intervale ne prelazi mjesečnu prijavu.

Modeli upravljanja tehničkom pripremom proizvodnje. Tehnička priprema proizvodnje uključuje faze projektiranja i tehnološke pripreme.

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

- utvrđivanje minimalnog roka za provedbu skupa mjera tehnički trening proizvodnja s ograničenjima na razini raspoloživih resursa;

- definicija minimalni trošak provedba skupa mjera za tehničku pripremu proizvodnje s ograničenjima na vrijeme njezine provedbe i na razinu raspoloživosti resursa;

- utvrđivanje minimalne razine potrošnje oskudnih resursa uz ograničenje troška i vremena provedbe mjera tehničke pripreme proizvodnje.

Proces tehničke pripreme proizvodnje najpotpunije i najprikladnije reproducira mrežni model. Mrežni model omogućuje uzimanje u obzir vjerojatnosti takvih osnovnih parametara operacija tehničke pripreme proizvodnje kao što su trajanje rada i intenzitet potrošnje resursa.

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

Uz razmatrane pojedinačne modele koji provode glavne funkcije upravljanja proizvodnim procesom, postoji i sustav međusobno povezanih modela proizvodnje i upravljanja. Bit ovog sustava modela, izgrađenog korištenjem matematičkog aparata teorije skupova, teorije grafova i ponovnog računanja, je sljedeća. Kao setove smatramo skup proizvoda koje proizvodi poduzeće i skup resursa koji se u tome koriste. Proizvodni proces, koji osigurava puštanje mnogih proizvoda, opisan je kumulativnim grafikonom i tehnološki proces proizvodnja zasebnog proizvoda - njegov dizajn i tehnološki graf. Skup resursa koji podržavaju proizvodnju sastoji se od podskupova radnih resursa, opreme i oskudnih komponenti i materijala. Stanje proizvodnje u bilo kojem trenutku može se opisati vektorom, koji je skup gotovih proizvoda, poluproizvoda i montažnih dijelova proizvedenih do tog vremena. Slično, pomoću vektora određuje se stanje resursa u bilo kojem trenutku. Planirana putanja proizvodnog procesa bit će opisana vektorskom funkcijom.

Ovom formulacijom problema optimalno upravljanje poduzećem u razdoblju planiranja može se pronaći na temelju sljedećeg zahtjeva: na skupu izvedivih planova određenih vektorskom funkcijom pronaći plan koji maksimizira dobit, pod uvjetom da je vjerojatnost njegove provedbe i ostvarivanje dobiti određene razine neće biti ništa manje od zadane razine, a utrošeni resursi neće premašiti raspoloživa.

Modeliranje organizacijskih upravljačkih struktura usmjereno je na poboljšanje, optimizaciju sustava upravljanja poduzećem. To je nužan preliminarni korak u automatizaciji upravljanja proizvodnim i ekonomskim sustavima, koji zahtijeva ozbiljne pripremne radove.

Teorija čekanja koristi se kao matematički alat za modeliranje organizacijskih upravljačkih struktura. U ovom slučaju, elementi sustava čekanja uzimaju se kao elementi kontrolnog sustava, od kojih je svaki dizajniran za rješavanje određenog problema upravljanja. Za sve zadatke - elemente predviđen je sustav prioriteta po redoslijedu odlučivanja. Za svaki zadatak poznate su i karakteristike dolaznih tokova zahtjeva za uslugom – rješenje odgovarajućih kontrolnih zadataka.

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

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

Modeliranje sustava čekanja može se izvesti analitičkim i statističkim metodama. Dobivena je najveća primjena u modeliranju organizacijskih upravljačkih struktura statistička metoda, tzv. statistička metoda ispitivanja (Monte Carlo metoda). Ova metoda je poželjna iz razloga što omogućuje rješavanje problema velike složenosti za koje ne postoji analitički (formulički) opis ili je potonji izrazito složen.

Statistički model omogućuje izvođenje matematičkog eksperimenta sličnog prirodnom, simuliranje organizacijske strukture upravljanja na najjeftiniji način i u razumnom vremenu. Pritom je potrebno 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 sustava čekanja.

Pri modeliranju korištenjem matematičkog aparata teorije čekanja, struktura sustava upravljanja poduzećem razmatra se kao skup međusobno povezanih elemenata. Takvi elementi u stvarnom sustavu su direkcija i funkcionalni odjeli upravljanja: proizvodno-tehnički, planski, opskrbni itd.

Kao rezultat zajedničkog funkcioniranja ovih elemenata u sustavu upravljanja, informacije o stanju pretvaraju se u zapovjedne informacije, koje su temelj za upravljanje poduzećem.

Navedeni elementi - podjele sustava upravljanja poduzećem čine lanac čija se analiza funkcioniranja može dovoljno formalizirati kako bi se optimizirao proces upravljanja. Najjednostavniji lanac koji daje dobru aproksimaciju stvarnosti je strogo sekvencijalni lanac elemenata. Kod modeliranja takvog lanca moguća su dva pristupa: kvaziregularni i slučajni prikaz. U kvaziregularnom modelu modeliranje se provodi za svaki element posebno prema prosječnim pokazateljima.

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

Uz modeliranje organizacijskih struktura upravljanja korištenjem lanaca elemenata, postoji način da se matematički opiše organizacijska struktura upravljačkog sustava korištenjem linearnih stohastičkih mreža, koje su jedna od klasa višefaznih sustava čekanja. U ovom modelu informacije također prolaze uzastopno kroz niz elemenata upravljačkog sustava, od kojih je svaki opisan korištenjem matematičkog aparata teorije čekanja. Uzastopnim prolazom informacija kroz elemente mreže odvijaju se prijelazi markovskog tipa. Strukturu takve mreže s pripadajućim prijelazima prikazuje određeni graf. Sastavlja se stohastička prijelazna matrica.

Budući da se funkcija cilja (kriterij izvedbe) u matematičkom modeliranju organizacijskih upravljačkih struktura u pravilu može opisati samo statistički, optimizacija se provodi uglavnom numeričkim metodama, od kojih su najčešće korištene metode dinamičko programiranje i statističko pretraživanje.

Rješenje problema optimizacije metodom dinamičkog programiranja provodi se sastavljanjem funkcionalne rekurentne jednadžbe (Bellmanova jednadžba) za svaki korak procesa upravljanja.

Optimizacija organizacijskih struktura upravljanja metodom statističkog pretraživanja, unatoč manje strogim ograničenjima nametnutim kriterijima učinkovitosti i pretpostavkama koje opisuju fiziku fenomena ovom metodom, još uvijek nije dobila, u odnosu na problem koji se razmatra, dovoljno raširena.

Modeliranje igara zauzima posebno mjesto u nizu metoda koje se koriste za automatizaciju upravljanja proizvodnim i gospodarskim sustavima. Posebnost ove metode je uključivanje ljudi uključenih u razvoj i implementaciju poslovne igre za modeliranje procesa upravljanja. Pod poslovnom igrom u ovom slučaju podrazumijeva se oponašanje skupine osoba rješavanja pojedinačnih problema gospodarskih ili organizacijskih aktivnosti poduzeća, koje se provodi na modelu objekta u okruženju koje je što bliže stvarnom.

Uvođenje u model osobe kao elementa upravljačke organizacije omogućuje da se uzme u obzir njegovo ponašanje u slučajevima kada se ono ne može adekvatno opisati pomoću danas poznatih matematičkih modela; omogućuje 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, potičući korištenje dosadašnjeg iskustva menadžera, njihovu intuiciju u tom procesu, te razvijanje sposobnosti donošenja heurističkih odluka. Poslovna igra se provodi u odnosu na određeni zadatak upravljanja prema unaprijed pažljivo razrađenom scenariju. Opći model igre formira se kao skup privatnih modela koje kreiraju sudionici - osobe koje pripremaju i donose upravljačke odluke.

Model poslovne igre uključuje formalizirane i neformalizirane dijelove. Sudionici igre djeluju prema određenim pravilima. Vode se posebno razvijenim uputama za igranje igre, kao i podacima o situaciji.

U skladu sa scenarijem igre, sudionici povremeno dobivaju uvodne napomene o promjenama situacije. Pripremajući svoje odluke, sudionici poslovne igre procjenjuju situaciju i ručno ili uz pomoć računala izvode potrebne izračune. U ovom slučaju koriste se formalizirani, unaprijed pripremljeni elementi modela igre koji odgovaraju moderne metode operativno istraživanje.

Upravljajući tijekom poslovne igre, njezin voditelj ocjenjuje odluke sudionika, utvrđuje rezultate njihovih radnji i priopćava ih igračima. Ako je potrebno, voditelj igre može promijeniti stav, priopćujući te promjene sudionicima u obliku injekcija. Procjena radnji sudionika u igri vrši se izračunima, stručne metode, kao i na temelju iskustva voditelja, njegove intuicije i zdravog razuma.

Glavna vrsta modeliranja igara koja se provodi u poduzećima je proizvodna poslovna igra. Njegov je cilj poboljšanje postojećih i razvoj novih oblika organizacije upravljanja proizvodnjom, izrada smjernica, restrukturiranje proizvodnje itd.

Metode mrežnog planiranja i upravljanja (NMS), izgrađene na temelju mrežni dijagrami... Pri rješavanju problema planiranja koriste se metode dinamičkog programiranja, a kod rješavanja problema raspodjele resursa - linearno programiranje.

Za osposobljavanje upravljačkih kadrova, proizvodna poslovna igra može se provoditi u edukativnoj verziji, odnosno poslovna igra za obuku. Njegova je glavna zadaća osposobljavanje zaposlenika, poboljšanje njihovih upravljačkih vještina. Po potrebi se poslovna igra osposobljavanja koristi i za certificiranje rukovoditelja poduzeća u obavljanju svojih Poslovne odgovornosti, kao i prilikom njihovog promicanja na višu poziciju.

Više o temi 7.2. Modeliranje situacije:

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