doma » Poslovni načrti » Inteligentno vodenje projektov in simulacijsko modeliranje. Modeliranje vodstvenih odločitev Situacijsko modeliranje v projektnem vodenju

Inteligentno vodenje projektov in simulacijsko modeliranje. Modeliranje vodstvenih odločitev Situacijsko modeliranje v projektnem vodenju

Osnovne definicije v projektnem vodenju. Spremljanje napredka projekta. Organizacijske strukture. Mrežni grafikon. začasni modeli. Upravljanje virov. Sledenje napredku projekta. Ganga grafikon. Urniki zgodnjega/poznega začetka. Projekt Matrix. Metoda kritične poti (CPM). Način vrednotenja in revizije programov (Program Evaluation and Report Technique - PERT). Model časovno-stroška. Samostojen projekt (Pure Project). Struktura razčlenitve projektnega dela (WBDS). Vodenje projektov ( vodenje projektov). Funkcionalni projekt (Funkcionalni projekt). Modeliranje razvoja izdelkov in izbira tehnološkega procesa v proizvodnem sektorju Oblikovanje izdelka. Oblikovanje proizvodnega toka. Analiza procesa. Merila za odličnost v procesu ustvarjanja izdelka. Analiza preloma. Virtual Factory (Virtual Factory) Zemljevid tehnološkega procesa. (DIAGRAM TOKA PROCESA). Matrična "hiša kakovosti" (House of Quality). Neprekinjen tok. Prikazana proizvodnja (Job Shop). Matrika produkt-proces. Funkcionalna analiza stroškov (Value Analysis / Value Engineering). Tehnologije v proizvodnji. Integrirani proizvodni sistemi. Tehnologije v storitvenem sektorju. Ocena donosnosti naložbe v tehnologijo. Avtomatizirani sistemi načrtovanje in vodenje proizvodnje (Automated Manufacturing Planning and Control Systems - MP&CS). Avtomatizirani sistemi za ravnanje z materiali (AMH). Fleksibilni proizvodni sistemi (Flexible Manufacturing Systems - FMS). Integrirani proizvodni sistemi (Computer-Integrated Manufacturing - CIM). Avtomatizacija pisarne (Office Automation). sistem računalniško podprto oblikovanje(Računalniško podprto načrtovanje - CAD). Sistemi odjemalec/strežnik. Podpora odločanju in strokovni sistemi. Sistemi za prepoznavanje slik (Sistemi za obdelavo slik. Elektronska izmenjava podatkov - EDI). MODUL 3: MODELI ZA OBLIKOVANJE STORITEV IN IZBIRA STORITEVNEGA PROCESA Bistvo storitev. Operativna klasifikacija storitev. Oblikovanje storitvenih organizacij. Strukturiranje kontaktov storitev. Tri vrste servisnih sistemov. Storitev v naročnikovem okolju (Field-Based Services). Storitev v okolju storitvenega podjetja (Facilities-Based Services). Paket storitev. Garancije za storitve (Servisne garancije). Načrt storitev(Načrt storitve). Matrika storitvenega sistema (Service-System Design Matrix). Osredotočenost na storitev Upravljanje čakalne vrste za modeliranje Ekonomsko bistvo problema čakalnih vrst. Sistem čakalnih vrst. modeli čakalne vrste. Računalniško modeliranje čakalnih vrst. Intenzivnost dohodnega toka (Prihodna stopnja). Intenzivnost storitve (Service Rate). Končna čakalna vrsta (Finite Queue). Večkanalna, večfazna struktura (Multichannel, Multiphase). Enokanalna, enofazna struktura (Single Channel, Single Phase). Čakalna vrsta Poissonova porazdelitev. Sistem čakalnih vrst. Eksponentna porazdelitev. Modeliranje vodenja kakovosti Zahteve glede kakovosti in stroški zagotavljanja kakovosti. Kontinuiteta izboljšav. Šintoistični sistem. Celotno upravljanje kakovosti (TQM). Stroški zagotavljanja kakovosti (Cost of Quality - COQ). Kakovost oblikovanja. Kakovost pri viru. Nenehno izboljševanje (CI). "Nič napak" (Nič napak). Opredelitev merila uspešnosti (Benchmarking). Kazalniki kakovosti (Dimenzije kakovosti). Postopek Poka Yoke. Kakovost skladnosti. ISO standardi 9000. Cikel "načrtovanje - izvedba - preverjanje - reakcija" (PDCA Cycle - Plan-Do-Check-Act). MODUL 4 "MODELIRANJE PROIZVODNIH ZMOGLJIVOSTI IN DELOVNEGA PROCESA" Strateško načrtovanje zmogljivosti. Prilagodljivost zmogljivosti. Drevo odločitev. Stopnja izkoriščenosti zmogljivosti. Proizvodna zmogljivost (Capacity). Rezerva moči (Capacity Cushion). Strateško načrtovanje zmogljivosti. Moč ostrenja (Capacity Focus). Učinek obsega proizvodnje (Economies of Scope). Proizvodni sistemi Just-in-time (JIT). JIT logika. Japonski pristop k produktivnosti. Severnoameriške različice JIT. Sistemske zahteve JIT. JIT v storitvenem sektorju. Samodejni nadzor kakovosti (Automated Inspection). Popoln nadzor kakovosti (TQC). "Pulling" (vlečen) proizvodni sistem "Kanban" (Kanban Pull System). Skupinska tehnologija (Group Technology). Kakovost pri viru. Krogi kakovosti. Metoda zamrznitvenega okna. Preventivno vzdrževanje in popravila opreme (Preventive Maintenance). Mreža specializiranih tovarn (Focused Factory Network). Sistem Just-In-Time (JIT). Stopničasti urnik (razpored ravni). Upravljanje od spodaj navzgor (Bottom-Round Management). Postavitev proizvodnih in storitvenih objektov Merila za umestitev proizvodnih zmogljivosti. Metode umestitve industrijska podjetja. Postavitev storitvenih objektov. Analitični model Delphi. Metoda težišča. Regresijski model. Sistemi ocenjevanja faktorjev (Factor-rating system). Ardalanova hevristična metoda. Postavitev opreme in razporeditev prostorov Glavni načini postavitve opreme. Postavitev opreme po tehnološkem principu. Postavitev proizvodnje po predmetnem principu. Balansiranje montažne linije (Assembly-Line Balancing). Metoda sistematičnega načrtovanja postavitve (SLP). Postavitev pisarne. Prednostno razmerje. Postavitev opreme po predmetnem principu (Product Layout). Postavitev opreme po principu skupinske tehnologije (Group Technology Layout). Postavitev opreme po principu servisiranja fiksnega objekta (Fixed-Position Layout). Postavitev opreme po tehnološkem principu (Proces Layout). Lokacija storitve in trgovska podjetja(Postavitev maloprodajnih storitev). "Servicescape" (Servicescape). Primerjalna metoda računalniške umestitve proizvodnih objektov (Computerized Relative Allocation of Facilities Technique - CRAFT). Takt (čas cikla).

MODUL 5 "MODELIRANJE DELOVNIH PROCESOV IN DELOVNA REGULACIJA" Odločitve o načrtovanju delovni proces. Vedenjski vidiki pri načrtovanju delovnega procesa. Fiziološki vidiki načrtovanja delovnega procesa. Delovne metode. Merjenje in regulacija poroda. Sistemi finančnih spodbud za delo.

Merjenje dela (Work Measurement). Metoda vzorčnih opazovanj (Work Sampling). Metoda normalizacije MOST (Most Work Measurement Systems). Metode merjenja delovnega časa (Methods Time Measurement). Standardi mikroelementov (Elemental Standard-Time Data). Sistemi za določanje mikroelementov (Predetermined Motion-Time Data Systems - PMTS). Časovna norma (standardni čas). Normalni čas. Načrtovanje delovnega procesa (Job Design). Delovni sistemi z razširjenimi odgovornostmi (Obogatitev delovnega mesta). Sistemi finančnih spodbud (Financial Incentive Plans). Sociotehnični sistemi dela (Sociotechnical Systems). Specializacija dela. Udeležba pri dohodku (Gain Sharing). Udeležba pri dobičku (Profit Sharing). Fiziologija dela (Work Physiology). Čas (časovna študija). Modeliranje upravljanja oskrbe. Upravljanje nabave Upravljanje dobavne verige. Nabava. Nakup pravočasno. Globalni viri oskrbe. tokovi elektronske informacije v ponudbi. Zunanje izvajanje. Hiter odziv (Quick Response - QR). Vrednost tovora (Value Density). Nabava "just in time" (Just-in-Time Purchasing). Logistika. "Proizvajaj ali kupi" (Izdelaj ali kupi). Strateško partnerstvo. Nadzor materialni tokovi(Upravljanje z materiali). Oskrbovalna veriga. Učinkovit odziv na zahteve potrošnikov (Efficient Consumer Response - ECR). Napovedovanje Upravljanje povpraševanja. Vrste napovedi. povpraševanje po komponentah. Metode kvalitativnega napovedovanja. Analiza časovnih vrst. Vzročno (vzročno) napovedovanje. Izbira metode napovedovanja. Napoved osredotočenosti. Računalniško napovedovanje.

Analiza časovnih vrst. Soglasje skupine (Consensus Panel Consensus). Odvisno povpraševanje. Tržna raziskava. Konstante glajenja Alpha. Travne korenine. Delphi metoda Izvršna sodba. Neodvisno povpraševanje. Vzročna (vzročna) povezava (Vzročna zveza). Napovedovanje na podlagi linearne regresije (Linear Regression Forecasting). Sezonski dejavnik. Drseča povprečja. Desezonizacija povpraševanja. Povprečno absolutno odstopanje. Sledilni signal. Učinek trenda. Fokusna napoved (Focus Forecasting). Eksponentno glajenje.

Kumulativno načrtovanje

Vrste načrtovanja. Hierarhično načrtovanje proizvodnje. Kumulativno načrtovanje proizvodnje Metode kumulativnega načrtovanja. Dolgoročno, srednje- in kratkoročno načrtovanje (Long-, Intermediate- and Short-Range Planning). Zaloga gotovine (zaloga pri roki). Glavni proizvodni urnik (MPS). Načrtovanje potreb po zmogljivosti (CRP). Grubo načrtovanje zmogljivosti. Mešana strategija. Agregatno načrtovanje strategije načrtovanje proizvodnje(Strategije načrtovanja proizvodnje). Čista strategija.

Ta članek je načrtovan kot prva objava v seriji člankov o inteligentnem vodenju projektov.
Publikacija bo na kratko obravnavala vprašanja simulacije projektnega vodenja (PM) in intelektualizacije PM.

Predpostavlja se, da ima bralec površno poznavanje teorije projektnega vodenja in sistemska analiza, morda tudi z zasnovo informacijskih sistemov. Poglobljeno znanje na vseh ali enem od področij lahko povzroči neustavljivo željo po pisanju komentarja, kar je dobrodošlo! ... ali pa avtorju vržete kaj težkega ...
Pa začnimo.

1. Model projekta

V skladu s PMBoK 5 (1) obstaja več področij znanja projektnega vodenja (ne bomo se dotaknili vseh). Na vsakem od področij se projekt obravnava z različnih zornih kotov, razlikujejo se vse vrste subjektov/predmetov, načini upravljanja in njihov vpliv na projekt, kot način organizacije dela za doseganje poseben namen ali reševanje problemov. Tukaj le na kratko opišemo tipične objekte, ki jih je mogoče identificirati pri vodenju projektov, njihove značilnosti, razmerja, pa tudi splošno mehaniko simulacije in njeno skladnost z življenjskim ciklom projekta.

Tipični predmeti in njihove značilnosti
Projekt ima naslednje značilnosti: vodja, ime, tip, načrtovani začetni datum, dejanski datum začetka, načrtovani končni datum, dejanski končni datum, trenutno stanje življenjskega cikla, začetno stanje projekta, trenutno stanje projekta.
Značilnosti izračunane ali določene na podlagi drugih objektov: projektna ekipa, odstotek opravljenega dela, zaostanek ali prednost v količini opravljenega dela, zaostanek ali prednost v terminih, načrtovani stroški.
Naloga/Delo- tukaj so navedene značilnosti, podobne projektu, ki jim je dodano: prevzemnik, odgovorni izvajalec, vrsta opravljenega dela, projekt, kraj, odstotek dokončanosti.
Značilnosti, izračunane ali določene na podlagi drugih predmetov: zaporedje izvedbe znotraj projekta, sestava izvajalcev, zgodovina sprememb stanja, stroški dokončanja naloge / dela.
materialni vir(osnovna sredstva): vrsta objekta, datum registracije, datum zagona, ime, knjigovodska vrednost.
Izračunano ali določeno: amortizacija, trenutno stanje, kje se trenutno uporablja, urnik porabe.
Potrošni vir(surovine, rezervni deli): vrsta vira, začetne zaloge, lokacija, rok dobave, rok uporabnosti.
Ocenjene ali določene: tekoče rezerve, intenzivnost porabe
osebje: polno ime, stalna zaposlitev.
Ocenjeno oziroma določeno: razpoložljivost za delo, združljivost z drugimi zaposlenimi, trenutna lokacija za čas trajanja dela, kjer je vključeno, urnik dela.
Tveganje: verjetnost nastanka, strošek škode, opis, trajanje vpliva, indikator sprožitve tveganja.
Izračunano ali določeno: ukrepi za odpravo posledic, ukrepi za preprečevanje nastanka ali utaje, stroški, čas izvedbe.

Odnosi in odvisnosti
Projekt - naloga- se izvajajo v rokih projekta.
naloga - naloga- ima lahko hierarhično razmerje (vertikalno), lahko ima razmerje v obliki indikacije zaporedja izvajanja (horizontalno).
Materialni vir -- naloga– je vezan na povezavo urnika z nalogo, kar označuje urnik uporabe.
Potrošni vir - naloga– je vezan preko razmerja urnika do naloge z navedbo potrebne rezerve za njeno izvedbo.
Osebje - naloga– se lahko uporablja v okviru več nalog, za katere sta navedena urnik dela in odstotek uporabe v nalogi.
Tveganje--[predmet]– pri določanju razmerja z [Object] je navedena verjetnost pojava.
Seveda to ni popoln seznam predmeti.

Mehanika
Vsak cikel modeliranja ustreza določenemu času - 1 dan/uro projekta, ki se izvaja. Da bi to naredili, bomo sprejeli vse pogoje in intervale v projektu - večkratnike 1 dan/uro. Diagram simulacijske zanke je prikazan spodaj:

Cikel simulacije je naslednji:

Nastavite začetne vrednosti za projekt, ki ga želite simulirati. Izdela se projekt, pripravi se načrt projekta, drevo tveganj. V tej fazi so na voljo tudi funkcije intelektualne podpore za vodenje projektov, vendar tega koraka ni mogoče izvesti brez odločevalca.
Iteracija se začne z določitvijo efektivnih vrednosti.
Izvedba utripa. Vsak cikel simulacije izvaja naslednje operacije:
- sredstva se porabijo za naloge,
- preveri se verjetnost okvar (tveganja),
- določena količina del se izvede s seznama del za projekt,
- finančne transakcije za projekt.
Shrani izračunane vrednosti za določen ukrep
Preverjanje pogojev za zaključek simulacije.
Zaključek simulacije in izhod rezultatov (analitične, agregirane in podrobne vrednosti po korakih simulacije). Na koncu simulacije se shranijo zadnje (končne) vrednosti in razlogi za prekinitev simulacije.
Izdaja uporabniku (ali odločevalcem - odločevalcem) informacij o stanju projekta brez uporabe optimizacij, analitičnih modulov in podpore odločanju. Uporabnik se mora odzvati na trenutno stanje (če je potrebno) ali nadaljevati simulacijo.
Vrednotenje uporabniških upravljavskih odločitev na podlagi trenutnih vrednosti, kot tudi retrospektiva njihovih sprememb in upravljavskih odločitev, ki jih je sprejel uporabnik z uporabo optimizacijskih algoritmov, analitičnih modulov in podpore odločanju.

V skladu z življenjskim ciklom projekta bomo ločili:

inicializacija in načrtovanje projekta - 1 korak
izvedba projekta - 2-5, 7 in 8 korak cikla
zaključek projekta - korak 6

Splošne pripombe
Vsi podatki vmesnih korakov simulacije se shranijo in akumulirajo v okviru trenutne simulacije. Med nadaljnjim delom optimizacijskih algoritmov (na 8. koraku simulacijskega cikla) se lahko uporabljajo podatki tako trenutne kot predhodno zaključene simulacije (prilagojene za rezultat zaključka simulacije).
Pri več hkratnih projektnih dejavnostih se simulacija zanje izvaja kot vzporedno (to pomeni, da se simulira sočasna izvedba), če ni nesoglasij o uporabljenih virih.
Če je zaposlenih/vrste virov več, se simulacija izvaja za vsakega od njih vzporedno (tj. porabljajo se hkrati), če ni nesoglasij glede uporabljenih virov.

2. Izvedbene tehnologije

Glavna obravnavana vprašanja:

shranjevanje strukture podatkov projekta v bazi podatkov
vmesnik za interakcijo uporabnika s strukturo baze podatkov
orodja za implementacijo strežnika simulatorja
vmesnik za interakcijo med bazo podatkov in strežnikom simulatorja
shranjevanje nevronske mreže in vmesni iteracijski koraki simulatorja
interakcija med aplikacijskim vmesnikom in nevronsko mrežo

Ker je enostavno videti objekte projekta in povezave med njimi, ga je enostavno predstaviti v obliki relacijskih baz podatkov in shraniti v tej obliki tudi ni težko, t.j. zadostuje relacijska baza podatkov - MySQL, na primer.
Za razvoj vmesnika bomo izbrali okvir Yii 2 (in ustrezen tehnološki sklad - PHP, HTML itd.).
Implementacija simulacijskega strežnika – Node.js
Izvedba nevronske mreže za Node.js, na primer - habrahabr.ru/post/193738
Interakcija s sprednjim delom (Yii2) in Node.js - github.com/oncesk/yii-node-socket
Vprašanje formata shranjevanja samega nevronskega omrežja ostaja odprto, za katerega veljajo naslednje zahteve:

Odraz lastnosti nevronske mreže (odnosi, uteži povezav itd.)
Varen dostop (izognite se neposrednemu vplivu uporabnika na omrežje)
Sposobnost usposabljanja mreže.

2. Kontrolna logika

Za vsako od področij znanja projektnega vodenja so podane postavitve problemov in opisane matematične metode za njihovo reševanje, ki jih avtor površno pozna. Glede na model krmiljenja je treba poznavanje teh pravil in načinov reševanja problemov prerazporediti med sistem in uporabnikom. Modeli upravljanja so naslednji: (1)

upravljanje z obvestili- sistem ne vpliva na objekt (projekt), ampak prikazuje obvestila o spremembah indikatorjev in možnosti izvajanja dejanj (od odločevalca se zahteva odločanje in maksimalno znanje).
interaktivni nadzor- sistem ponuja kontrolna dejanja, vendar odločanje ostane odločevalec (odločanje ostane odločevalec).
hevristični nadzor- sistem sprejema odločitve in nekatere akcije izvaja sam (odločevalec je izključen iz procesa upravljanja).

Izvedba samega upravljanja je sestavljena iz spremljanja in analize celote značilnosti projekta ter ocenjevanja njihovega odstopanja od »normalnega« za določen čas ob upoštevanju dinamike njihovega spreminjanja. Kontrolna dejanja se izberejo na podlagi pridobljenih podatkov (tj. če se takšna kombinacija lastnosti katerega koli učinka ujema), analizirajo pa se tudi podobni projekti s podobnimi situacijami in v njih sprejete odločitve. Glede na stopnjo ali stopnjo odstopanja se lahko uporabijo določene metode vpliva:

Prerazporeditev virov med nalogami;
Prerazporeditev delovnih virov med nalogami;
Prerazporeditev nalog;
Načrtovanje javnih naročil;
Izogibanje ali sprejemanje ukrepov za odpravo posledic tveganj.

Za metode vpliva so pomembne naslednje značilnosti: stopnja skladnosti s situacijo, trajanje izvedbe, stroški izvedbe, možni čas začetka izvedbe. Za določitev primernega načina izpostavljenosti je pomembno:

Lastnosti, ki jih določijo strokovnjaki.
Razpoložljivost informacij v zbirki podatkov o izvedenih projektih.

Te mehanizme je logično zgraditi z uporabo nevronskih mrež in mehke logike. Ti algoritmi se lahko uporabljajo tako v fazi inicializacije in načrtovanja projekta kot v fazi njegove izvedbe. Možno je izvesti analizo - kako spremeniti lastnosti po uporabi kontrolnega dejanja.

3. Intelektualizacija simulacije

To v fazi taktnega izvajanja je odločevalec lahko popolnoma izključen iz procesa vodenja. Kaj je potrebno za to? Za modeliranje dogodkov so potrebne izboljšave nekaterih značilnosti (približnih). Za izvajanje nadzornih dejanj mora sistem »poznati« nekaj dodatnih informacij o predmetnem področju, na primer:
1. Prerazporeditev sredstev med nalogami.

zamenljivost virov - se lahko nastavi s korespondenčnimi matričnimi tabelami;
verjetnost okvare virov - verjetnost je navedena v območju od Xmin do Xmax;
možnost vzporedne uporabe več izvajalcev - kot logična lastnost naloge.

2. Prerazporeditev delovnih virov med nalogami.

zamenljivost in nezdružljivost osebja - se lahko nastavi s korespondenčnimi matričnimi tabelami;
produktivnost dela - kot izračunana vrednost na podlagi podatkov o: delovnih izkušnjah, starosti, izpopolnjevanju ipd.
razmerje med vrstami opravljenega dela in spretnostmi, potrebnimi za njegovo izvajanje, je podobno rešeno z matricami;
verjetnost odsotnosti delovnih virov (verjetnost bolezni) - verjetnost je navedena v območju od Xmin do Xmax;
možnost vzporedne izvedbe enega dela s strani več izvajalcev – kot logična lastnost naloge.

3. Spreminjanje urnika opravil.

ali je mogoče nalogo prekiniti ali naj bo izvedba neprekinjena – kot logična lastnost naloge;
ali je naloga vključena v »kritično pot« (tj. časovni razpored njene izvedbe neposredno vpliva na čas zaključka projekta), določa sistem »na letenju«.

4. Načrtovanje nabave.

intenzivnost porabe virov - določi sistem "na letenju".
možnost nakupa potrebno opremo- kot logična lastnost naloge.

5. Izogibanje ali sprejemanje ukrepov za odpravo posledic tveganj.

verjetnost okvar opreme - verjetnost je navedena v območju od Xmin do Xmax;
možne možnosti za izogibanje in odpravo posledic - rešeno z matrikami ali seznami skladnosti (z navedbo stopnje skladnosti).

To ni izčrpen seznam nalog. Pri tem je treba opozoriti tudi na dejstvo, da za noben projekt ne more biti univerzalne rešitve in kar je za en projekt dobro, je za drugega smrt. To potrebne so določene ključne značilnosti, njihove kombinacije in njihove vrednosti, ki bi omogočile tipkanje in razvrščanje, izbiro podobnih projektov za usposabljanje sistema, na primer:

vrste vključenih virov;
vrste dodeljenih nalog;
kvalifikacije in spretnosti vključenega osebja;
velikost proračuna;
trajanje projekta;
uspeh projekta;
število udeležencev itd.

Daleč od zadnje vloge bo imel faktor negotovosti tako zgoraj opisanih značilnosti kot značilnosti samega projekta.

4. Več agencij

Kot je navedeno zgoraj, so lahko nesoglasja glede uporabe virov tako znotraj projekta med nalogami kot med različnimi projekti, ki uporabljajo iste vire. Za poenostavitev dela z viri bomo izbrali agenta, ki ga bomo imenovali "Resource Arbiter". Nanj se bodo agenti "Projektov" obrnili po potrebna sredstva, ki bodo omogočila prerazporeditev tudi rezerviranih virov glede na pomembnost (kritičnost) nalog ali projektov, ki se izvajajo.

Zaključek

Kaj bo dalo takšno simulacijsko modeliranje ali simulacija projektnega vodenja? Odgovor je preprost:

upravljanje z obvestili- se lahko uporablja kot usposabljanje ali testiranje odločevalcev za poznavanje določenih načel ali zmožnost reševanja problemov, povezanih z vodenjem projektov.
interaktivni nadzor- razvoj nekaterih praks in njihovo preizkušanje na modelu. To bo omogočilo spremembo modela, ki bo ustrezal situaciji, ali obratno, za oceno obvladovanja metod reševanja PM problemov s strani odločevalca samega (samopreverjanje).
hevristični nadzor- možnost večjega števila simulacij in kopičenja določenih izkušenj (podatkov) o teh simulacijah za njihovo nadaljnjo analizo.

Vendar sama imitacija in simulacija nista končni cilj. Zaradi kopičenja dovolj natančnih enostavnih in kompleksnih modelov v simulacijski bazi, razvoja in odpravljanja napak obnašanja simulacijskega modela in modulov, ki izvajajo interaktivno interakcijo in hevristični nadzor (brez odločevalca), je mogoče uporabiti nakopičena pravila in algoritmi za nadzor (ali inteligentno podporo nadzora) resničnih projektov (3).
Izvedba takšnega sistema v obliki rešitve SaaS bo ob vključevanju določenega števila udeležencev omogočila dostop do delovnih izkušenj (neosebnih) drugih udeležencev (z možnostjo učenja sistema).

Seznam uporabljenih virov

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. Postavitev problema situacijskega upravljanja (filozofija situacijskega pristopa)

situacijsko modeliranje je veja sistemsko-analitične dejavnosti, ki v sodobnem svetu doživlja preporod.

Prva inkarnacija – povsem znanstvena – se je zgodila pred nekaj desetletji v zvezi s predmeti in nalogami, ki so bolj »romantični« kot praktični: modeliranje razmišljanja, igralne strategije, modeliranje rasti ali večfaktorskega vedenja. Objekti so bili opredeljeni kot »kompleksni«, t.j. tiste, v zvezi s katerimi je strog funkcionalni ali izčrpen »matrični« (z naštevanjem vseh vrednosti parametrov) opis nemogoč, kar jih uvršča v razred »kartezijanskih« objektov z linearno vzročnostjo. Navedba »gnezdenja« sistemov drug v drugega (razgradnja) je imela bolj filozofski (epistemološki) pomen kot formalni, matematični. Vse to pa je postopoma dobilo strogo znanstveno utemeljitev v obliki kibernetike, teorije množic, matematičnih teorij prikaza nelinearnih procesov in teorije katastrof.

situacijsko modeliranje opira na strogost teoretičnih pristopov, poleg tega pa vsebuje sredstva za spreminjanje pogojev »kljub« formalnim omejitvam. S čisto tehničnega vidika se je najnovejši dodatek kot orodje za modeliranje pojavil ravno v zadnjih letih po zaslugi razvoja računalniških aplikacij (objektno usmerjeno programiranje, tehnologije primerov, GUI in druga orodja za vizualizacijo). Kot odgovor na razvoj teh zmožnosti se povleče ena ali druga teoretično zasnovana aparatura: verjetnostno modeliranje, mehka logika ... Torej situacijsko modeliranje, kljub svoji začetni "sanjanščini" (navedeno kot poskus predstavitve kompleksnih procesov v kategorijah). normalnega človeškega jezika, jezika situacij, v nasprotju z brezpogojno spoštovanim, a jezik integro-diferencialnega računa, ki ga je težko povezati s specifičnimi situacijami) - situacijsko modeliranje postane tako z vidika možnejše kot pravilnejše. stroge teoretične veljavnosti.

Končno, zadnja pripomba v zvezi s problemom celostne reprezentacije objektov je, da zavestno zastavljena naloga situacijskega modeliranja vodi potrošnika modela (v komercialni aplikaciji vodjo podjetja) v »virtualno realnost«: je predlagan za "razigravanje" situacij. Odigranih scenarijev ni treba uresničiti, lahko pa opozorijo - in to je njihova brezpogojna uporabnost.

Način izvedbe situacijskega modeliranja – - nabor inteligentno organiziranih delovnih mest z avtomatiziranim prenosom in dopolnjevanjem informacij (vključno s pretvorniki podatkov), postopki za gradnjo modelov, analizo stanja, modele delovanja, grafični prikaz izgubljenih scenarijev.

situacijsko modeliranje je eden od pristopov modeliranja. Poleg situacijskega modeliranja obstajajo tudi , .

Proces modeliranja lahko razdelimo na dva dela: načrtovanje sistema (modeliranje) in simulacija modela (simulacija). Izraz imitacija se namerno ne uporablja, saj se običajno povezuje z . Rezultat oblikovanja je model, predstavljen v ustreznem jeziku za opis (predstavljanje) znanja, katerega glavni element je koncept .

Potrebo po uporabi situacijskega pristopa za modeliranje in krmiljenje določajo naslednje lastnosti kompleksnih sistemov: [Pospelov, 1986; Klykov, 1980]

Edinstvenost.Vsak objekt ima tako strukturo in funkcije, da mora biti njegov sistem upravljanja zgrajen ob upoštevanju vseh njegovih lastnosti in zanj ni mogoče uporabiti nobenega standardnega standardnega postopka upravljanja.
Odsotnost formaliziranega namena obstoja. Vsi predmeti ne morejo jasno formulirati namena svojega obstoja.
Pomanjkanje optimalnosti. Posledica prvih točk je nesposobnost postavitve klasičnega optimizacijskega problema, zaradi pomanjkanja cilja obstoja (v okviru teorije vodenja) pa je za obravnavane objekte nemogoče zgraditi objektivno merilo upravljanja. Kontrolni kriterij postane subjektiven, v celoti odvisen od odločevalca (DM).
Dinamičnost. Sčasoma se struktura in delovanje objektov spreminjata.
Nepopoln opis. Ekipa strokovnjakov, ki pozna predmet nadzora, praviloma ne zmore takoj oblikovati takšnih informacij, kar bi zagotovo zadostovalo za izdelavo nadzornega sistema za objekt.
Znatno število predmetov. V mnogih objektih upravljanja so ljudje elementi njihove strukture. Njihovo individualno vedenje je pri ustvarjanju nadzornega sistema praktično nemogoče upoštevati, zato so potrebne posebne tehnike za nevtralizacijo njihovega vpliva na delovanje nadzornega objekta.
Velika dimenzija. Za kompleksen sistem je značilna velika dimenzija, ki ne omogoča njegove simulacije v kratkem času.
neformalne informacije. Pogosto je treba za odločitev upoštevati slabo formalizirane koncepte.

2. Metode situacijskega modeliranja

Za opis situacij se uporabljajo semiotični (situacijski) jeziki in modeli, med katerimi je mogoče razlikovati naslednje glavne pristope:

diskretna situacijska omrežja (DSN);
RX kode;
logika predikata;
univerzalna semantična koda.

Situacijsko omrežje je zapleteno semantično omrežje. Vsako situacijo opisuje usmerjen graf (omrežje), hipergrafi pa se uporabljajo za predstavitev gnezdenja (»situacij situacij«), t.j. nek del pomenskega omrežja, ki definira situacijo, lahko obravnavamo kot eno vozlišče omrežja. V zgodnjih dneh se pojem hipergrafa ni uporabljal, namesto tega je vsak avtor uvedel nadomestni zapis.

RX-kode so jezik binarnih odnosov in imajo kot jedrni konstrukt naslednji vnos: x 1 =x 2 r 2 x 3 , kjer je x i objekt ali ; r i - razmerje.

Univerzalna semantična koda uporablja trojni SAO kot jedrni konstrukt, ki ustreza subjektu S, ki izvaja dejanje A na objektu O.

Za implementacijo semiotičnih jezikov v računalnik se uporabljajo jeziki za predstavitev znanja. Najbližji pristop k opisu semiotičnih konstrukcij je semantična mreža. Vendar pa so omrežja pri uporabi iskalnih operacij zelo počasna, zato so strukture pogosto predstavljene z logiko predikatov [Devyatkov, 2001], okvirjev [Pospelov, 1990] in produkcij [Gavrilova, 2001].

Opozoriti je treba, da so metode predstavljanja znanja v situacijskih sistemih in simulacijskem modeliranju. Situacije delujejo kot vrhovi omrežja. Če uporabimo Petrijeve mreže, bodo vrhi (položaji) situacije, prehodi pa dogodki.

Zlasti je mogoče določiti metode vizualizacije situacij. Namenjeni so reševanju problemov optimalnega prikaza informacij na monitorjih (scenarijske metode [Bogatyrev, 2002], metoda abstraktnih zemljevidov) in dekompozicije slik po rezinah situacijskega modela. Delo [Isaev, 1994] predstavlja prilagodljiv vizualizacijski jezik.

Povezave: : Zgodovina nastanka. Metoda situacijskega upravljanja
je nastala v povezavi s potrebo po modeliranju procesov med
odločanje v sistemih z aktivnim elementom (človek). IN
Temelji na treh glavnih izhodiščih.
Prva premisa je psihologija, ki je začela študij
opisati principe in modele človeškega odločanja v operi
aktivnih situacijah. Pri tem so znana dela sovjetskih psihologov
regija - V.N. Puškin, B.F. Lomov, V.P. Zinčenko in drugi. V.N. Puškin je oblikoval tako imenovano teorijo modelov
riu razmišljanja. Pokazal je, da je psihološki mehanizem
661 urejanje dejanj človekovega vedenja je tesno povezano s konstrukcijo
v strukturah možganov informacijskega modela predmeta in
zunanji svet, znotraj katerega poteka proces
upravljanje, ki temelji na človeški percepciji informacij od zunaj in
obstoječe izkušnje in znanje. Osnova za izdelavo modela
so konceptualne reprezentacije predmetov in odnosov
med njimi, kar odraža semantiko izbranega področja dejavnosti
človek (predmetno področje). Objektni model ima
večnivojsko strukturo in opredeljuje te informacije
kontekst, v katerem potekajo procesi upravljanja. Kako
bogatejši je tak informacijski model predmeta in višje je zmožen
manipulacija z znanjem, višja je kakovost
odločitve, bolj raznoliko človeško vedenje. V.N. Puškin
najprej opredelil tri pomembne značilnosti postopka posvojitve
odločitve: možnost razvrščanja situacij v so
skladnost s standardnimi rešitvami upravljanja; ravnatelj
naya odprtost velikih sistemov; pomembna omejitev
jezik za opis prostora stanja in rešitev objekta
upravljanje.
Druga premisa metode situacijskega upravljanja
so bile ideje pridobljene v študijah o semio
tiki, znanost o znakovnih sistemih. To so dela Yu.A. Schreide-
ra, Yu.D. Apresyan. Določena je tridimenzionalna struktura
znak v katerem koli znakovnem sistemu: ime znaka, ki odraža njegovo sin
taksi vidik; vsebino znaka, ki izraža njegov seman
tik vidik; namen znaka, ki določa njegovo pragmatičnost
logični vidik (Fregejev trikotnik). V uporabni semiotiki
znaki, katerih različice so besede, stavki, teh
sto, so začeli obravnavati kot sisteme, ki nadomeščajo realne
predmeti, procesi, dogodki zunanjega sveta. Agregati
znaki z odnosi med njimi so tako postali modni
psevdofizični analogi realnih sistemov funk
lastništvo in upravljanje. Zato situacijska
upravljanje se je imenovalo tudi semiotično modeliranje,
saj za opis in procese zadostuje znakovni jezik
delovanje objekta z zahtevano stopnjo približevanja.
Tretja premisa je povezana z razvojem na področju informacij
matematičnih iskalnikov in poskusov ustvarjanja formal
jezik opisovanja in predstavitve tehničnih ved z namenom avto-
662 matizatsiya dela na povzemanju znanstvenih publikacij in organiziranju
Nizacija procesov iskanja, shranjevanja in predstavljanja informacij
macija. V okviru teh študij je E.F. Bil je čas
jezik je bil izdelan in proučen, ki je pozneje dobil ime jezika
gh kode. Ta jezik je našel svojo implementacijo v informacijah
pa iskalnik BIT, ki je uspešen in že kar dolgo
deloval na Inštitutu za kibernetiko Akademije znanosti Ukrajinske SSR.
Na podlagi teorije modelov razmišljanja V.N. Puškin, jeziki
ka gKh "Kodo E.F. Skorokhodko in semiotika D.A. Pospelov in za
tisti Yu.I. Klykov je leta 1965 oblikoval nov kibernet
logični koncept upravljanja velikih sistemov v obliki
način situacijskega upravljanja.
Metoda Essence
Koncept situacije je vzet kot osnova za upravljanje.
predmet opisovanja, analize in odločanja. preiskovalec
vendar so potrebna ustrezna sredstva - opisi, razredi
fikcija, učenje in preoblikovanje situacij v skladu z
sprejetih odločitev.
Razvrstitev situacij je bila utemeljena z obstojem,
na podlagi analize strukture nadzornih nalog v velikih sistemih
max, na vsaki ravni nadzora niza situacij, število
kar je v primerjavi z množico nesorazmerno veliko
možne rešitve upravljanja. Odločitveni problem trak
je bila formulirana kot problem iskanja takšne particije množice situacij
razdelitve na razrede, v katerih je vsak razred ustrezal
odločitev, z vidika danih meril najbolj smotrna
ev delovanje. V prisotnosti takšne particije se iskanje re
rešitev v določeni situaciji se je zmanjšala na iskanje razreda in korelacijo
mu daje vodstvene odločitve. Vendar pa takšna nastavitev
problem velja za krmilne sisteme, v katerih je število
potencialnih situacij (PVS) bistveno presega
(včasih za več vrstnih redov velikosti) število možnih rešitev
za upravljanje. Ta primer ustreza kontekstualno neodvisnemu
moj način izpeljave rešitev, ko je celoten niz PVS razdeljen
je razdeljen na razrede tako, da je vsak razred v skladu
Odločitev je bila sprejeta na vodstvu. Primer, ko
nizi situacij in odločitev so bili bodisi primerljivi po moči
ali dovolj večje, da je to dejstvo lahko
tanovit, je bil obravnavan in razvit kasneje v delih L.S. zadaj-
gadskaya in njena šola.
663 Osnova jezika za opis celotnega niza situacij je bila
vzete so ideje jezikov r-dr-kod in sintagmatskih verig. Vloga mno
značilnosti domenskih predmetov so igrale svoje predznake
valence v naravnem jeziku, t.j. besed-imen, in v vlogi razmerja
besede-imena, ki ustrezajo resničnim povezavam
med predmeti ali procesi. Kot slovnica jezika
situacijsko upravljanje (YaSU) so bila pravila generacije
novi koncepti in odnosi, njihova transformacija in razred
fikcije (glej Jezik situacijskega upravljanja).
Najpomembnejša ideja metode je oblikovanje semiotike
objektnih modelov tako, da se naučijo sprejemati odločitve. Pri čemer
Upoštevana sta bila dva načina učenja: strokovnjak, ki dobro pozna
raziskanega predmetnega področja, ali na podlagi analize
za niz specifičnih situacij in vodstvenih odločitev.
Očitno je slednji primer daljši, ne zagotavlja
popolnost opisa, zahteva prisotnost statistike situacij in kdaj
odločitve, sprejete v njih, kar še zdaleč ni vedno mogoče. Zato
splošna praksa je postala predvsem uporaba prvega
pristop k učenju. Kljub temu je prisotnost sredstev za posploševanje v YaSU
klasifikacija in klasifikacija situacij zagotavlja temeljno
sposobnost ustvarjanja modelov, ki jih je mogoče izboljšati
funkcije odločanja v spreminjajočih se razmerah
nadzorni objektni boti. Z drugimi besedami, ustvarja priložnost
zmožnost »razrasti« objektnega modela za dane pogoje
delovanje.
Razvoj situacijskega modeliranja. Leta 1973 je L.S. Uganka-
Skye (Bolotova) je razvila drugo, novo vrsto sistema
temo situacijskega upravljanja, ki je obravnaval razred sistemov
nadzor, v katerem so moči nizov možnih situacij
in vodstvene odločitve so primerljive ali neznane. Prej
na tak način naj bi celoten sklop situacij razdelil na razrede
naenkrat, tako da je vsakemu razredu dodeljena struktura
krog tipične rešitve. V naslednji fazi rešitve, to
struktura je bila na novo definirana v procesu interpretacije in konkretnega
tizacijo rešitve in upoštevanje obstoječih omejitev vira
sy. Tako vsaka tipična kontrolna rešitev
in. njegova struktura je usklajena z M. in posledično
poleg množice С/ = (t/p U2,...UJ, množica struktur
ogled tipičnih rešitev M = (Mp M2,...M^).
664 Potem je za vsako strukturo potrebna kon
besedilni sloj znanja, ki ima okvirno strukturo in vključuje
ki vsebujejo pravila za razlago situacij znotraj dane strukture
ture in številne postopke za njihovo preoblikovanje in posnemanje.
Razvit je bil tudi logično-semiotični model sklepanja
odločitve o hierarhiji struktur odločanja.
Očitno je, da je v drugem primeru veliko bolj zapleteno
problem izdelave domenskega modela (DOM). krat
delo MPO je še vedno umetnost, zahteva prijavo
niya najvišje kvalifikacije sistemskih analitikov. Obvezno
da odgovorim na nekaj vprašanj:
Kako so postavljene meje izbranega predmetnega področja?
območje?
Kako nastane konsistenten jezik opi?
analiza vseh sklopov situacij in procesov za MPO s kompleksno
Noe, hierarhična in porazdeljena struktura?
Kako se oblikuje sistem znanja o MPO, dos
mletje za dosego svojih ciljev?
Kako se "izkazujejo" potrebne interakcije
dejanj med udeleženci v procesih upravljanja in odločanja
kako so opisani?
Kako se sprejemajo odločitve v kontekstu
opombe, negotovost in dvoumnost?
Kot rezultat raziskav in razvoja aplikativnih sistemov
situacijsko upravljanje, je bila ustvarjena metodologija od konca do konca
in tehnologijo za načrtovanje sistemov situacijskega nadzora
velike sisteme, vključno s potrebnimi instrumenti
orodja in sistemi, ki temeljijo na jezikih REFAL in LISP.
Kot izhaja iz opisa jezika situacijskega upravljanja (glej) in
organizacija situacijskega modela upravljanja, že takrat, v 70. letih.
XX stoletja so imeli sistemi situacijskega nadzora (SSU) vse
vsaj znaki sodobnih ekspertnih sistemov (ES).
2. generacija, tj. dinamični ES. To in prisotnost semioti
logični model nadzornega objekta in procesi njegovega delovanja
v obliki sistema proizvodnih pravil in seveda
but-jezikovni vmesnik z razvijalci in uporabniki, in
prisotnost vgrajene časovne logike, ki zagotavlja delovanje
SSU v realnem času in simulacija. To in inst
Rumentalna programska orodja za implementacijo SCS na podlagi
jezika LISP in REFAL. Poleg tega domači strokovnjaki
665 ste ustvarili velike sisteme in jih celo uveljavili v praksi
del industrijskih avtomatiziranih krmilnih sistemov.
Primeri.
Izveden sistem situacijskega upravljanja "Aviaremont".
določila podružnica v Odesi Ekonomskega inštituta Akademije znanosti Ukrajinske SSR kot
del ACS "Aviaremont" za TsNIIASU (Riga).
Sistem situacijskega dispečerskega nadzora
prostornina in pristanek letal, razvit za VNIIRA (Lenin
toča).
Sistem za načrtovanje sej satelitske komunikacije.
Številni sistemi poseben namen in itd.
Na Zahodu in nato pri nas so razvili hevristiko
nekaj programiranja (60. leta XX stoletja), umetna inteligenca
(glej) - AI (70. leta XX stoletja), a pri nas, za zaveso, je slabo
si predstavljal, kaj se dogaja v tujini. Tisti, ki so imeli dostop do ame
rikanskih in zahodnih virov, te smeri niso razumeli
leniya in verjel, da je AI nekaj povsem drugega in ne
To nima nobene zveze s situacijskim upravljanjem. Spremeni vse
losa leta 1975, ko je IV mednarod
konferenci o umetni inteligenci, ki so se je udeležili skoraj vsi vodje
vodilni svetovni znanstveniki na področju umetne inteligence. Tukaj je tog
Ja, postalo je jasno, da tako naši specialisti kot tuji zdravniki
ki počnejo isto stvar, vendar z različnih zornih kotov.
Domači strokovnjaki so šli "od zgoraj" in poskušali rešiti
problemi, ki so metodološko in konceptualno jasni, a še ne
opremljen z osnovnimi sredstvi – ne teoretičnimi ne kako drugače
instrumentalni. Konferenca je mnogim pomagala pri realizaciji in op
določiti svoje mesto v mednarodnem procesu gibanja proti
umetni um. Na naslednjih šolah, seminarjih,
vseslovenski simpoziji o situacijskem upravljanju že v
1975 so bili jasno izraženi problemi, ki so ovirali razvoj
razvoj situacijskega upravljanja. To je najprej
modeli in instrumentalni sistemi predstavljanja znanja botka
Teme o podpori programske opreme SSU.
Do leta 1980 je bilo na desetine SSU različnih stopenj razvoja.
tannoy. Večina jih je demonstracijskih in raziskovalnih
vzorci telesa. Komercialnih vzorcev sploh ni bilo. Prej
Nekaj industrijskih modelov je bilo uvedenih iz več razlogov:
pomanjkanje instrumentala programski sistemi prinesel
do faze komercialnih vzorcev; prineslo pomanjkanje kulture
666 programska orodja v komercialno fazo; manjka
vpliv razumevanja nove paradigme v širokem razvojnem okolju
kov ACS; možnosti in koristi od premajhnega financiranja
zgradbe komercialnih instrumentalnih lupin sistemov.
Zahodni znanstveniki so šli na AI "od spodaj", od iger s kockami, stoli
tiki-tac-toe itd. Zanimalo jih je inteligentni roboti in
načrtovanje svojega vedenja. Zato so te naloge še vedno
so klasični pri poučevanju teoretičnih osnov AI.
Na njih so bili razviti vsi glavni modeli reprezentacije.
generiranje znanja: produkcija, semantična omrežja, okvirji.
Od leta 1977 se je v vrstah "situacionistov" začelo razslojevanje.
Šola D.A. Pospelova, V.A. Vagina, L.T. Sestrična in nekaj
drugi, bližje teoretičnim študijam po rodu
svojega položaja (Akademija znanosti ZSSR, univerze), hitro reorganizirana
tujo terminologijo in obvladal dosežke Zahoda. tole
je bilo enostavno narediti, saj je bila razlika večinoma termi
nološki.
V zgodnjih 80. letih. pojavili so se ekspertni sistemi (glej), in tukaj
izkazalo se je, da se v bistvu zdi, da sovpadajo s SSU,
kot smo si jih predstavljali. In ta mandat se je zdel uspešnejši
nym, hitro postala modna. Posledično je do zgodnjih devetdesetih let prejšnjega stoletja
20. stoletje skoraj vsi »situacionisti« so se ukvarjali z ES.
Tako se je izkazalo, da situacijski nadzor
igral pri nas vlogo podlage za veliko število posebnih
strokovnjaki za umetno inteligenco (glej).

Pregledate članek (povzetek): » SITUACIJSKO MODELIRANJE ALI SITUACIJSKO UPRAVLJANJE»iz disciplin« Teorija sistemov in sistemska analiza v vodstvenih organizacijah»

Modeliranje je glavna metoda za preučevanje proizvodnih in gospodarskih sistemov. Modeliranje je razumljen kot takšen način prikaza objektivne realnosti, pri katerem se za preučevanje izvirnika uporablja posebej izdelan model, ki reproducira določene (praviloma le bistvene) lastnosti preučenega resničnega pojava (procesa).

Model je predmet katere koli narave, ki lahko nadomesti preučevani objekt, tako da njegova študija zagotovi nove informacije o predmetu, ki ga preučujemo.

V skladu s temi definicijami koncept modeliranja vključuje konstrukcijo modela (kvazi-objekta) in operacije na njem za pridobivanje novih informacij o preučevanem objektu. Z vidika uporabe lahko model razumemo kot prikaz sistema, ki je primeren za analizo in sintezo. Med sistemom in njegovim modelom obstaja korespondenčno razmerje, ki vam omogoča raziskovanje sistema skozi študij modela.

Tip modela določajo predvsem vprašanja, na katera je zaželeno odgovoriti s pomočjo modela. Med modelom in simuliranim sistemom so lahko različne stopnje ujemanja.

Pogosto model odraža le funkcijo sistema, struktura modela (in njegova ustreznost sistemu) pa ne igra vloge, obravnava se kot črna skrinjica.

Simulacijski model že vključuje en sam prikaz tako funkcij sistema kot bistva procesov, ki se v njem dogajajo.

Modeliranje kot metoda spoznavanja temelji na dejstvu, da vsi modeli tako ali drugače odražajo realnost. Glede na to, kako in s kakšnimi sredstvi, pod kakšnimi pogoji, v zvezi s katerimi predmeti spoznanja se ta lastnost uresniči, nastane najrazličnejši modeli. Obstajajo številna načela za razvrščanje modelov različne narave, od katerih so najpomembnejša naslednja:

- glede na način prikaza realnosti in posledično glede na konstrukcijski aparat (oblika);

- po naravi vsebine simuliranih objektov).

Glede na način prikaza oziroma konstrukcijski aparat ločimo dve vrsti modelov (slika 7.2): materialni in mentalni oziroma idealni.

riž. 7.2. Razvrstitev modelov

Materialni modeli so modeli, ki jih zgradi ali izbere človek, obstajajo objektivno in so utelešeni v kovini, lesu, steklu, električnih elementih, bioloških organizacijah in drugih materialnih strukturah.

Materialni modeli so razdeljeni na tri podvrste.

Prostorsko podobni modeli so strukture, zasnovane za prikaz prostorskih lastnosti ali razmerij predmeta (modeli hiš, tovarn, mestnih četrti, prometnega omrežja, lokacije opreme v delavnici itd.). Predpogoj za takšne modele je geometrijska podobnost.

Fizično podobni modeli so materialni modeli, katerih cilj je reproducirati različne vrste fizičnih povezav in odvisnosti preučevanega objekta (modeli jezov ladijskih in letalskih elektrarn). Osnova za konstrukcijo tovrstnih modelov je fizična podobnost – enakost fizične narave in istovetnost zakonov gibanja.

Matematično podobni modeli so modeli, ki imajo v takšni ali drugačni meri enak matematični formalizem, ki opisuje obnašanje predmeta in modela (analogno računalniškim, kibernetskim funkcionalnim modelom). Matematično podobni materialni modeli so resnične ali fizične lupine nekaterih matematičnih relacij, ne pa samih odnosov.

Mentalni (ali idealni) modeli so razdeljeni na tri podvrste:

- deskriptivni (konceptualni) modeli, v katerih so odnosi izraženi v jezikovnih podobah;

- vizualno-figurativni modeli, katerih podobe v mislih so zgrajene iz čutno-vizualnih elementov;

- znak (vključno z matematičnimi modeli, v katerih so elementi predmeta in njihovi odnosi izraženi z znaki (vključno z matematičnimi simboli in formulami).

Razvrstitev modelov glede na naravo modeliranih objektov se zaradi njihove izjemne raznolikosti tukaj ne zdi primerna.

Končni cilj modeliranja ni preučevanje modela kot takega, temveč nekega drugega preučevalnega predmeta, ki je od njega drugačen, a ga reproducira.

Očitno je, da noben model ne more in ne sme v celoti reproducirati vseh vidikov in podrobnosti pojavov, ki se preučujejo: podjetje je mogoče opisati z različnih zornih kotov - direktorja ali glavnega inženirja, računovodje, dobavitelja ali elektroenergetskega inženirja.

V skladu s tem bosta tako narava kot konstrukcija modela drugačna.

Modeliranje kot metoda znanstvenega spoznanja temelji na sposobnosti osebe, da abstrahira začetne značilnosti ali lastnosti različnih pojavov (procesov) in vzpostavi določeno razmerje med njimi. To ustvarja možnost za posredno preučevanje pojavov ali procesov, in sicer s preučevanjem modelov, ki so jim v nekem strogo določenem pogledu analogni.

V splošnem primeru je primerno naslednje zaporedje modeliranja sistema: konceptualni opis (raziskave) sistema, njegova formalizacija in na koncu, če je potrebno, algoritmizacija in kvantifikacija sistema.

Pri modeliranju proizvodnih in ekonomskih sistemov je poleg formaliziranih, matematičnih analiznih metod, ki se uporabljajo za posamezne podsisteme ali zasebne procese, potrebno uporabiti tudi hevristične metode za analizo proizvodnje v tistih njenih elementih in razmerjih, ki jih ni mogoče formalizirati. In pri uporabi matematičnih metod se je zaradi množice spremenljivk pogosto treba zateči k poenostavitvam, k uporabi metod dekompozicije in agregacije spremenljivk. Posledično dobijo rešitve približen, kvalitativni značaj.

Zaradi prisotnosti v velikih zapleteni sistemi organizacijsko in produkcijsko vodenje povezav in povezav, ki so težko ali sploh niso formalizirane, za njihovo preučevanje je treba uporabljati predvsem deskriptivne modele, ki izpostavljajo sistem razgradnji na ločene funkcionalne podsisteme; nato poiščite tiste podsisteme, ki so primerni za matematično formalizacijo in tako modelirajo posamezne elemente celotnega proizvodnega procesa.

Končni cilj modeliranja proizvodnega in gospodarskega sistema je priprava in sprejetje vodstvene odločitve vodje podjetja.

Modele proizvodnih in gospodarskih sistemov lahko ločimo po naslednjih značilnostih:

- za namene modeliranja;

- po nalogah (funkcijah) vodstva;

- po fazah (postopkih) vodenja;

– o metodah matematičnega modeliranja.

Glede na cilje modeliranja obstajajo modeli, zasnovani za:

– načrtovanje krmilnih sistemov;

– ocene uspešnosti;

– analiza sposobnosti podjetja v različni pogoji njegove dejavnosti;

– razvoj optimalnih rešitev v različnih proizvodnih situacijah;

– izračun organizacijskih struktur sistema vodenja;

– izračun informacijske podpore itd.

Posebnost modelov te klasifikacijske podrazdelitve se izraža predvsem v izbiri ustreznih meril uspešnosti, pa tudi v postopku izvedbe rezultatov simulacije.

Glede na naloge (funkcije) vodstva obstajajo modeli načrtovanja, upravljanja razvoja podjetja, nadzora kakovosti izdelkov itd. Modeli tega oddelka so osredotočeni na specifične proizvodno-gospodarske naloge in bi morali praviloma zagotavljati numerične rezultate.

Glede na stopnjo (postopek) avtomatizacije vodenja so modeli lahko informacijski, matematični, programski. Modeli tega podrazdelka so namenjeni ustreznim fazam gibanja in obdelave informacij.

Glede na uporabljeni matematični aparat lahko modele razdelimo v pet velikih skupin: ekstremne, matematično programiranje (planiranje), verjetnostne, statistične in teoretične igre.

Ekstremni modeli vključujejo modele, ki omogočajo iskanje ekstrema funkcije ali funkcionalnosti. Sem spadajo modeli, zgrajeni z uporabo grafičnih metod, Newtonova metoda in njene modifikacije, variacijski račun, Pontryaginov princip maksimuma itd. Na podlagi zmogljivosti teh metod se uporabljajo predvsem za reševanje problemov operativnega nadzora.

Modeli matematičnega programiranja (planiranja) vključujejo modele linearnega programiranja, nelinearnega programiranja, dinamičnega programiranja. To običajno vključuje tudi modele načrtovanja omrežja.

Matematično programiranje združuje številne matematične metode, zasnovane za najboljšo razporeditev omejenih virov, ki so na voljo – surovine, gorivo, delovna sila, čas, kot tudi za pripravo ustreznih najboljših (optimalnih) akcijskih načrtov.

Verjetnostni modeli vključujejo modele, zgrajene z uporabo aparature teorije verjetnosti, modele naključnih procesov Markovskega tipa (Markovske verige), modele teorije čakalnih vrst itd.

Verjetnostni modeli opisujejo pojave in procese naključne narave, na primer tiste, ki so povezani z vsemi vrstami nesistematičnih odstopanj in napak (proizvodne napake itd.), vpliv naravnih nesreč, morebitne okvare opreme itd.

Statistični modeli vključujejo modele sekvenčne analize, metodo statističnih testov (Monte Carlo) itd. Sem spadajo tudi metode naključnega iskanja.

Metoda statističnega testiranja je v tem, da se potek določene operacije igra, kot da bi jo kopiral računalnik, z vsemi nesrečami, ki so del te operacije, na primer pri modeliranju organizacijskih nalog, zapletenih oblikah sodelovanja. različna podjetja itd. Uporaba te metode se imenuje simulacijsko modeliranje.

Metode naključnega iskanja se uporabljajo za iskanje ekstremnih vrednosti kompleksnih funkcij, ki so odvisne od velikega števila argumentov. Te metode temeljijo na uporabi mehanizma za naključno izbiro argumentov, s katerimi se izvaja minimizacija. Metode naključnega iskanja se uporabljajo na primer pri modeliranju organizacijskih struktur upravljanja.

Teoretični modeli iger so zasnovani tako, da upravičijo odločitve v pogojih negotovosti, dvoumnosti (nepopolnosti informacij) situacije in s tem povezanega tveganja. Metode teorije iger vključujejo teorijo iger in teorijo statističnih odločitev.

Teorija iger je teorija konfliktnih situacij. Uporablja se v primerih, ko je negotovost situacije posledica možnih dejanj sprtih strani.

Teoretične modele iger je mogoče uporabiti za utemeljitev vodstvenih odločitev v razmerah industrijskih in delovnih konfliktov, pri izbiri pravega ravnanja v odnosu do strank, dobaviteljev, izvajalcev itd.

Teorija statističnih odločitev se uporablja, kadar je negotovost situacije posledica objektivnih okoliščin, ki so bodisi neznane (na primer nekatere značilnosti novih materialov, kakovost nove tehnologije itd.) bodisi so naključne narave (vremenske razmere). , možni čas okvare posameznih komponent izdelka itd.).

Pri pripravi, izvedbi in ocenjevanju rezultatov poslovnih iger je treba uporabiti teoretične modele iger.

Vse matematične modele lahko razdelimo tudi na modele vrednotenja učinkovitosti in modele optimizacije.

Modeli ocenjevanja uspešnosti so zasnovani za razvoj značilnosti proizvodnje in upravljanja. Ta skupina vključuje vse verjetnostne modele. Modeli vrednotenja uspešnosti so "vhodni" v zvezi z optimizacijskimi modeli.

Optimizacijski modeli so zasnovani tako, da izberejo najboljši način delovanja ali ravnanje v danih pogojih. V to skupino spadajo ekstremni in statistični modeli, modeli matematičnega programiranja, pa tudi teoretični modeli iger.

Nekateri najpogostejši modeli, ki se uporabljajo pri reševanju proizvodne naloge, kot tudi za oblikovanje organizacijskih struktur za vodenje proizvodnje.

Glavna smer modeliranja upravljanja proizvodnih in ekonomskih sistemov je ustvarjanje modelov upravljanja proizvodnje.

Trenutno so bili razviti in se uporabljajo modeli naslednjih funkcij vodenja proizvodnje:

– načrtovanje proizvodnih in gospodarskih dejavnosti podjetja;

– operativno upravljanje;

– operativni predpis;

– vodenje materialno-tehnične oskrbe proizvodnje;

- vodenje prodaje končni izdelki;

– vodenje tehnične priprave proizvodnje.

Razvit je bil tudi sistem medsebojno povezanih modelov proizvodnje in upravljanja.

Modeli načrtovanja proizvodne in gospodarske dejavnosti podjetja. Ciljna funkcija modelov te skupine zagotavlja:

- maksimiranje merila učinkovitosti proizvodne dejavnosti podjetja na podlagi razpoložljivih zmogljivosti in dobavljenih virov;

– minimiziranje porabe virov v okviru določenega merila učinkovitosti.

Modele načrtovanja proizvodne dejavnosti podjetja delimo na: modele napovedi, modele tehničnega in ekonomskega načrtovanja, modele operativnega načrtovanja proizvodnje.

Prediktivni modeli so modeli, ki temeljijo bodisi na matematičnih metodah (najmanjši kvadrati, pragovi, eksponentno glajenje) bodisi na metodah strokovne presoje.

Modeli tehničnega in ekonomskega načrtovanja temeljijo na metodah matematičnega programiranja (planiranja). Končni rezultati proizvodnje, na primer višina dobička, so običajno izbrani kot glavno merilo učinkovitosti (ciljne funkcije) pri razvoju optimalnega načrta. Kot omejitve se upoštevajo omejitve glede kompleksnosti izdelkov, časa delovanja opreme, virov itd. Ker je vrednost nekaterih od teh omejitev naključna (na primer čas delovanja opreme), se za reševanje tovrstnih optimizacijskih problemov uporablja verjetnostni pristop. Tipični optimizacijski modeli tehničnega in ekonomskega načrtovanja so modeli za izračun optimalnega načrta, distribucije proizvodni program po koledarskih obdobjih optimalno obremenitev opremo. Ti modeli so zgrajeni z uporabo matematičnih metod optimizacije.

Modeli operativnega načrtovanja proizvodnje se običajno kombinirajo z modeli operativnega upravljanja.

Modeli operativnega upravljanja. Glavne naloge operativnega vodenja so operativno načrtovanje proizvodnje, sistematično računovodstvo in nadzor nad izvajanjem. koledarskih načrtov, kot tudi operativno urejanje proizvodnega procesa.

Tipični modeli operativnega upravljanja so modeli za izračun optimalne velikosti serij izdelkov in izračun optimalnega urnika za lansiranje-sproščanje serij delov (planiranje).

Modele za izračun optimalne velikosti serij izdelkov je mogoče izdelati glede na preprosto in popolno formulacijo problema. V preprosti nastavitvi se določitev velikosti proizvodnje ali nakup serije delov, pri kateri so letni stroški minimalni, zmanjša na običajno težavo iskanja minimuma funkcije. V polni formulaciji se najde tak nabor velikosti serij, ki ustreza minimalnim skupnim stroškom za zamenjavo opreme in odbitkom za nedokončano delo, z omejitvami glede trajanja menjav, virov opreme, soodvisnosti velikosti serij v povezanih operacijah, in zagotavljanje zaposlitve delavca. Rešitev tega problema je dosežena s pomočjo matematičnih optimizacijskih metod.

Modeli za načrtovanje izračunov so lahko:

- statistični z optimizacijo z naključnim iskanjem;

– simulacija z nizom preferenčnih pravil;

- hevristična, ki se uporablja v primerih, ko je nemogoče ustvariti stroge algoritme, vendar je treba uporabiti informacije in ovrednotiti dejstva, ki nimajo kvantitativnega izraza.

Modeli regulacije delovanja. Ti modeli so namenjeni zagotavljanju, da se odstopanje rezultatov proizvodnih dejavnosti od načrtovanih kazalnikov ohranja v določenih mejah. V tem primeru se uporabljajo modeli dveh vrst: modeli regulacije po kriteriju optimalnosti, modeli regulacije po deviaciji.

Modeli krmiljenja po kriteriju optimalnosti temeljijo na dejstvu, da se po specifični meritvi dejanskega stanja proizvodnega procesa izdela načrt, ki optimalno pripelje proces v vnaprej določeno stanje ob koncu planskega obdobja.

Modeli nadzora odstopanj temeljijo na dejstvu, da se po določeni meritvi proizvodni proces v najkrajšem možnem času pripelje na prvotno izdelan urnik.

Konstrukcija obeh modelov je izvedena z uporabo matematične optimizacijske naprave, ki se uporablja v teoriji avtomatskega krmiljenja.

Modeli vodenja materialno-tehnične oskrbe proizvodnje. Osrednji problem obvladovanja materialno-tehnične oskrbe proizvodnje je naloga določanja zahtevanega obsega zalog vseh vrst oskrbe. V tem primeru je mogoče zgraditi dva bistveno različna modela upravljanja zalog – s fiksno velikostjo naročila in s fiksno ravnjo zalog. Obstaja tudi vmesni model, ki popravlja tako zalogo in Nižji nivo naročilo.

Konstrukcija modelov upravljanja z zalogami se izvaja z uporabo posebnih matematičnih optimizacijskih metod, ki jih imenujemo »teorija upravljanja zalog«.

Modeli vodenja prodaje končnih izdelkov. Glavni problem vodenja trženja končnih izdelkov je naloga izračuna letnega načrta dobave končnih izdelkov. Za rešitev tega problema je z uporabo matematičnih metod optimizacije izdelan optimizacijski model letnega načrta dobave končnih izdelkov. V tem primeru stroški prodanih izdelkov delujejo kot ciljna funkcija, kot omejitve - zahteva, da skupna količina izdelkov, poslanih vsem potrošnikom v določenem časovnem intervalu, ne presega obsega proizvodnje v istem času, in skupna količina obseg dobav potrošniku za vse časovne intervale ne presega mesečne vloge.

Modeli vodenja tehnične priprave proizvodnje. Tehnična priprava proizvodnje obsega faze projektiranja in tehnološke priprave.

S pomočjo matematičnega modeliranja je mogoče rešiti tri glavne naloge vodenja tehnične priprave proizvodnje:

– določitev minimalnega roka za izvedbo sklopa ukrepov tehnično usposabljanje proizvodnja pod omejitvami glede na raven razpoložljivih virov;

- definicija minimalni stroški izvajanje sklopa ukrepov za tehnično pripravo proizvodnje z omejitvami glede časovne izvedbe in stopnje razpoložljivosti virov;

- določitev minimalne ravni porabe omejenih virov z omejitvijo stroškov in časovnega razporeda izvajanja ukrepov za tehnično pripravo proizvodnje.

Postopek tehnične priprave proizvodnje je najbolj popolno in priročno reproduciran z omrežnim modelom. Omrežni model omogoča upoštevanje verjetnosti tako osnovnih parametrov postopkov tehnične priprave proizvodnje, kot sta trajanje dela in intenzivnost porabe virov.

Optimizacija je dosežena z uporabo metod matematičnega programiranja (zlasti simpleks metode) in naključnega (statističnega) iskanja.

Poleg obravnavanih posameznih modelov, ki izvajajo glavne funkcije vodenja proizvodnega procesa, obstaja tudi sistem medsebojno povezanih modelov proizvodnje in upravljanja. Bistvo tega sistema modelov, zgrajenega z uporabo matematičnega aparata teorije množic, teorije grafov in rekalkulusa, je naslednje. Kot sklope štejemo nabor izdelkov, ki jih proizvaja podjetje, in nabor virov, ki se uporabljajo v tem procesu. Proizvodni proces, ki zagotavlja sprostitev številnih izdelkov, je opisan z agregatnim grafom in tehnološki proces izdelava posameznega izdelka - njegov oblikovni in tehnološki graf. Nabor virov, ki podpirajo proizvodnjo, je sestavljen iz podskupine delovnih virov, opreme ter redkih komponent in materialov. Stanje proizvodnje v katerem koli trenutku lahko opišemo z vektorjem, ki je niz končnih izdelkov, polizdelkov in montažnih enot, proizvedenih do tega trenutka. Podobno se s pomočjo vektorja določi tudi stanje virov v katerem koli trenutku. V tem primeru bo načrtovana pot proizvodnega procesa opisana z vektorsko funkcijo.

S takšno formulacijo problema je mogoče najti optimalno upravljanje podjetja v obdobju načrtovanja na podlagi naslednje zahteve: na množici izvedljivih načrtov, ki jih definira vektorska funkcija, poišči načrt, ki maksimira dobiček, pod pogojem, da je verjetnost njegovega izvajanja in dobička na uveljavljeni ravni ne bosta nižja od dane ravni, porabljena sredstva pa ne bodo presegla razpoložljivih.

Modeliranje organizacijskih struktur upravljanja je namenjeno izboljšanju, optimizaciji sistema vodenja podjetja. Gre za nujen predhodni korak pri avtomatizaciji upravljanja proizvodnih in gospodarskih sistemov, ki zahteva resno pripravljalno delo.

Teorija čakalnih vrst se uporablja kot matematični aparat za modeliranje organizacijskih struktur upravljanja. Hkrati so elementi sistema čakalne vrste sprejeti kot elementi nadzornega sistema, od katerih je vsak zasnovan za reševanje določenega problema upravljanja. Za vse naloge - elemente je predviden sistem prioritet po vrstnem redu reševanja. Za vsako nalogo so znane tudi značilnosti vhodnih tokov storitev - rešitev ustreznih problemov upravljanja.

Element nadzornega sistema, ki rešuje določeno težavo, ima enega ali več informacijskih pretvornikov, ki so bodisi strokovnjaki določene kvalifikacije bodisi tehničnih sredstev.

Učinkovitost nadzornega sistema se ocenjuje s kakovostjo in trajanjem storitve za reševanje problemov vodenja ob upoštevanju njihove prioritete in kompleksnosti.

Modeliranje čakalnih sistemov se lahko izvaja tako analitično kot statistično. Največjo uporabo pri modeliranju organizacijskih struktur upravljanja so prejele statistična metoda, tako imenovana statistična testna metoda (metoda Monte Carlo). Ta metoda je prednostna, ker omogoča reševanje problemov velike kompleksnosti, za katere ni analitičnega (formulnega) opisa ali pa je slednji izjemno zapleten.

Statistični model omogoča postavitev matematičnega eksperimenta, podobnega polnemu, za simulacijo organizacijske strukture upravljanja na najcenejši način in v sprejemljivem času. Hkrati je treba upoštevati posebne pomanjkljivosti statistične testne metode, med katerimi sta glavni relativno dolg simulacijski čas in posebnost dobljenih rešitev, ki jih določajo fiksne vrednosti parametrov čakalnega sistema.

Pri modeliranju s pomočjo matematičnega aparata teorije čakalnih vrst se struktura sistema vodenja podjetja obravnava kot niz medsebojno povezanih delovnih elementov. Takšni elementi v realnem sistemu so direkcija in funkcionalni oddelki za upravljanje: proizvodno-tehnični, načrtovalni, dobavni itd.

Zaradi skupnega delovanja teh elementov v nadzornem sistemu se informacije o stanju pretvorijo v ukazne informacije, ki so osnova upravljanja podjetja.

Omenjeni elementi - deli sistema vodenja podjetja tvorijo verigo, katere analizo delovanja je mogoče dovolj formalizirati za optimizacijo procesa vodenja. Najenostavnejša veriga, ki daje dober približek realnosti, je strogo zaporedna veriga elementov. Pri modeliranju takšne verige sta možna dva pristopa: kvaziregularna in naključna predstavitev. V kvaziregularnem modelu se modeliranje izvaja za vsak element posebej glede na povprečne kazalnike.

V naključnem modelu se statistične ocene izračunajo za vsako zahtevo za storitev, ki ne poteka skozi posamezne elemente, temveč skozi sistem kot celoto.

Poleg modeliranja organizacijskih struktur nadzora z uporabo verig elementov obstaja metoda za matematični opis organizacijske strukture nadzornega sistema z uporabo linearnih stohastičnih omrežij, ki so eden od razredov večfaznih čakalnih sistemov. V tem modelu informacije potekajo tudi zaporedno skozi številne elemente krmilnega sistema, od katerih je vsak opisan z matematičnim aparatom teorije čakalnih vrst. Z zaporednim prehodom informacij skozi elemente omrežja potekajo prehodi tipa Markov. Strukturo takega omrežja z ustreznimi prehodi predstavlja določen graf. Sestavi se stohastična prehodna matrika.

Ker je ciljno funkcijo (merilo učinkovitosti) pri matematičnem modeliranju organizacijskih vodstvenih struktur praviloma mogoče opisati le statistično, se optimizacija izvaja predvsem z numeričnimi metodami, od katerih se najbolj uporabljata metodi dinamičnega programiranja in statističnega iskanja.

Rešitev optimizacijskega problema z metodo dinamičnega programiranja se izvede s sestavljanjem funkcionalne rekurentne enačbe (Bellmanova enačba) za vsak korak krmilnega procesa.

Optimizacija organizacijskih struktur upravljanja z metodo statističnega iskanja, kljub manj strogim omejitvam, ki jih postavlja ta metoda na merila učinkovitosti in predpostavke, ki opisujejo fiziko pojava, v zvezi z obravnavanim problemom še ni dobila dokaj široka distribucija.

Modeliranje iger zavzema posebno mesto med metodami, ki se uporabljajo za avtomatizacijo upravljanja proizvodnih in gospodarskih sistemov. Posebnost te metode je vključevanje ljudi, ki sodelujejo pri razvoju in vodenju poslovne igre za modeliranje procesa upravljanja. V tem primeru poslovno igro razumemo kot posnemanje skupine oseb reševanja posameznih problemov gospodarskih ali organizacijskih dejavnosti podjetja, ki se izvaja na modelu predmeta v okolju, ki je čim bližje resničnemu.

Uvod v model osebe kot elementa organizacije menedžmenta omogoča upoštevanje njegovega vedenja v primerih, ko ga ni mogoče ustrezno opisati z danes znanimi matematičnimi modeli; vam omogoča reševanje takšnih upravljavskih nalog, ki se ne ujemajo v okvir obstoječih formaliziranih metod.

Poslovna igra vnaša psihološke in čustvene trenutke v proces priprave in sprejemanja vodstvenih odločitev, spodbuja uporabo preteklih izkušenj menedžerjev, njihovo intuicijo v tem procesu, razvija sposobnost hevrističnega odločanja. Poslovna igra se izvaja glede na določeno vodstveno nalogo po vnaprej skrbno izdelanem scenariju. Splošni model igre se oblikuje kot niz zasebnih modelov, ki jih ustvarijo udeleženci - osebe, ki pripravljajo in sprejemajo vodstvene odločitve.

Model poslovne igre vključuje tako formalizirane kot neformalizirane dele. Udeleženci igre delujejo po določenih pravilih. Vodijo jih posebej izdelana navodila za igranje igre, pa tudi podatki o situaciji, s katerimi razpolagajo.

V skladu s scenarijem igre udeleženci občasno prejmejo uvodne informacije o spremembah situacije. Pri pripravi svojih odločitev udeleženci poslovne igre ocenijo situacijo in ročno ali s pomočjo računalnika naredijo potrebne izračune. V tem primeru se uporabljajo formalizirani, vnaprej pripravljeni elementi modela igre, ki ustrezajo sodobne metode operativne raziskave.

Z vodenjem poteka poslovne igre njen vodja ocenjuje odločitve udeležencev, ugotavlja rezultate njihovih dejanj in jih približa igralcem. Po potrebi lahko vodja igre spremeni nastavitev in te spremembe prinese udeležencem v obliki vnosa. Ocena dejanj udeležencev v igri se izvaja z izračuni, strokovne metode, pa tudi na podlagi izkušenj vodje, njegove intuicije in zdrave pameti.

Glavna vrsta simulacije iger, ki se izvaja v podjetjih, je proizvodna poslovna igra. Njegov cilj je izboljšati obstoječe in razviti nove oblike organizacije vodenja proizvodnje, razvoj smernic, prestrukturiranje proizvodnje itd.

Kot modeli za izvajanje poslovnih iger se pogosto uporabljajo metode načrtovanja in upravljanja omrežja (NPM), ki temeljijo na omrežne karte. Pri reševanju problemov načrtovanja se uporabljajo metode dinamičnega programiranja, pri reševanju problemov alokacije virov pa linearno programiranje.

Za usposabljanje vodstvenega osebja lahko produkcijsko poslovno igro izvedemo v izobraževalni različici, torej izobraževalno poslovno igro. Njegova glavna naloga je usposabljanje zaposlenih in izboljšanje njihovih vodstvenih veščin. Po potrebi se uporablja tudi izobraževalna poslovna igra za certificiranje vodilnih delavcev podjetij pri opravljanju njihovih nalog. uradne dolžnosti pa tudi ob povišanju na višji položaj.

Več o temi 7.2. Modelirne situacije:

3.2.6. Izgube zaradi naravnih nesreč, požarov, nesreč in drugih izrednih razmer, vključno s stroški, povezanimi s preprečevanjem ali odpravo posledic naravnih nesreč ali izrednih razmer