Заказ работы

Заказать
Каталог тем

Самые новые

Значок файла Определение показателя адиабаты воздуха методом Клемана-Дезорма: Метод, указ. / Сост.: Е.А. Будовских, В.А. Петрунин, Н.Н. Назарова, В.Е. Громов: СибГИУ.- Новокузнецк, 2001.- 13 (3)
(Методические материалы)

Значок файла ОПРЕДЕЛЕНИЕ ОТНОШЕНИЯ ТЕПЛОЁМКОСТИ ГАЗА ПРИ ПОСТОЯННОМ ДАВЛЕНИИ К ТЕПЛОЁМКОСТИ ГАЗА ПРИ ПОСТОЯННОМ ОБЪЁМЕ (3)
(Методические материалы)

Значок файла Лабораторная работа 8. ОПРЕДЕЛЕНИЕ ДИСПЕРСИИ ПРИЗМЫ И ДИСПЕРСИИ ПОКАЗАТЕЛЯ ПРЕЛОМЛЕНИЯ СТЕКЛА (4)
(Методические материалы)

Значок файла ОПРЕДЕЛЕНИЕ УГЛА ПОГАСАНИЯ В КРИСТАЛЛЕ С ПО-МОЩЬЮ ПОЛЯРИЗАЦИОННОГО МИКРОСКОПА Лабораторный практикум по курсу "Общая физика" (3)
(Методические материалы)

Значок файла Лабораторная работа 7. ПОЛЯРИЗАЦИЯ СВЕТА. ПРОВЕРКА ЗАКОНА МАЛЮСА (6)
(Методические материалы)

Значок файла Лабораторная работа № 7. ИЗУЧЕНИЕ ВРАЩЕНИЯ ПЛОЩАДИ ПОЛЯРИЗАЦИИ С ПОМОЩЬЮ САХАРИМЕТРА (4)
(Методические материалы)

Значок файла Лабораторная работа 6. ДИФРАКЦИЯ ЛАЗЕРНОГО СВЕТА НА ЩЕЛИ (6)
(Методические материалы)

Каталог бесплатных ресурсов

ФОРМИРОВАНИЕ ТОВАРНО-АССОРТИМЕНТНОЙ ПОЛИТИКИ ОРГАНИЗАЦИИ В УСЛОВИЯХ НЕОПРЕДЕЛЕННОСТИ В.В. ФИДАРОВ,

введение
Управление товарным ассортиментом является ключевой функцией менеджмента каждого промышлен-
ного предприятия. Неоптимальная структура ассортимента приводит к снижению потенциального уровня
прибыли, потере конкурентных позиций на перспективных потребительских и товарных рынках и, как
следствие, – к снижению экономической устойчивости предприятия.
В целях повышения стратегической конкурентоспособности фондоемкие производства вынуждены во-
влекать в хозяйственную деятельность затратоемкие бизнес-процессы. Следовательно, значимость ошиб-
ки в случае расхождения плановых и фактических показателей всегда высокая, что объясняется иммоби-
лизацией части капитала на убыточных или менее выгодных направлениях.
Развитие экономики в условиях рынка неизбежно сопровождается усложнением социально-
экономических связей и, следовательно, ростом неопределенности как внешней, так и внутренней среды.
В настоящее время многие отечественные и зарубежные фирмы функционируют в условиях стратегиче-
ских неожиданностей, что затрудняет построение адекватных математических оптимизационных моде-
лей. В условиях неопределенности существующие модели оптимизации товарного ассортимента не обес-
печивают адекватности и надежности плана в долгосрочном периоде, поскольку в значительной степени
зависят от точности статистических и аналитических прогнозов, экспертных оценок. Однако, на совре-
менном этапе эволюционного развития общества, научно-технического прогресса, в условиях рыночной
экономики совершенствование математического аппарата для снижения погрешностей прогнозирования в
задачах формирования товарно-ассортиментной политики, как правило, неоправданно, что связано пре-
дельной полезностью получения дополнительной информации. Повышение определенности планирова-
ния ведет к увеличению издержек в геометрической прогрессии.
Неизбежность участия человека – лица, принимающего решения (ЛПР) в выработке соответствующих
управленческих решений, предполагает наличие эффективных процедур формализации обработки пред-
почтений и суждений ЛПР на уровне естественного языка, в большей степени, касающегося рисковых
вложений капитала.
Бесспорно, для принятия обоснованных решений необходимо опираться на опыт, знания и интуицию
специалистов. После второй мировой войны в рамках теории управления (менеджмента) стала развивать-
ся самостоятельная дисциплина – экспертные оценки.
Методы экспертных оценок – это методы организации работы со специалистами-экспертами и обра-
ботки мнений экспертов, выраженных в количественной и/или качественной форме, с целью подготовки
информации по принятию решений ЛПР. Для проведения работы по методу экспертных оценок создают
Рабочую группу (РГ), которая и организует по поручению ЛПР деятельность экспертов, объединенных
(формально или по существу) в экспертную комиссию (ЭК).
Использование экстраполяционных методов эффективно лишь в краткосрочном периоде при стабилиза-
ции экономических отношений, когда становится возможным предсказать некоторый комплекс решений
управленцев, а также процесс их реализации в знакомых ситуациях. Получение более точных прогнозных
оценок будущих событий, на наш взгляд, возможно лишь при разработке моделей рефлексивной динами-
ческой реакции ЛПР (включающей время на ответную реакцию, а также адекватность реагирования) на
воздействие случайной комбинации различного рода факторов окружающей среды. Тогда, как мы полага-
ем, станет возможным смоделировать поток каких-либо сигналов в определенный промежуток времени и
спрогнозировать с помощью аппарата индикативного управления наиболее вероятное поведение управ-
ленческого персонала предприятий-конкурентов, контрагентов и т.д. Однако следует отметить, что даже
если с помощью таких наук, как социальная психология, статистика, философия и т.д. удастся смоделиро-
вать человеческое поведение, в данном случае поведение руководителей предприятия, то предсказать на-
учно-технические открытия, область приложения фундаментальных исследований, а также возможности
воплощения результатов исследования в конкретном товаре в каком-либо промежутке времени, практиче-
ски невозможно, по крайней мере, в ближайшие десятилетия.
1 НЕОПРЕДЕЛЕННОСТЬ, НЕЧЕТКОСТЬ И
НЕДООПРЕДЕЛЕННОСТЬ В УПРАВЛЕНИИ
Неопределенность.
Классификация видов неопределенности
Практически каждое решение принимается человеком в условиях неопределенности, т.е. недостатка
информации о существующих фактах и вероятных будущих событиях. Неопределенность увеличива-
ется в геометрической прогрессии с удалением предполагаемого события во времени.
Если бы не было условий неопределенности, человек для принятия решений не был бы нужен. Выбор
из существующих альтернатив, даже имеющих вероятностный (но определенный) характер, вполне мо-
жет осуществить компьютер на основании разработанного алгоритма. Человек же преодолевает условия
неопределенности волевым решением.
Особенное значение учет условий неопределенности в принятии решений приобретает в России. За
годы планирования многие менеджеры привыкли к высокой степени определенности. Объемы производ-
ства, цены, ассортимент как фирмы, так и «конкурентов» определялись на довольно длительный проме-
жуток времени и спускались сверху. Поэтому и решения управленцев не требовали каких-либо познаний
в области условий неопределенности. С переходом от плановой экономики многие предприятия вышли
из-под государственного контроля, что повлекло рост степени неопределенности.
Неопределенность – это «открытые задачи, в которых принимающий решение не знает всей совокуп-
ности действующих факторов и должен сформулировать множество гипотез, прежде чем их оценивать».
Ситуация полной неопределенности характеризуется тем, что выбор конкретного плана действий может
привести к любому исходу из фиксированного множества исходов, но вероятности их осуществления не-
известны. Выделяют два случая: а) вероятности не известны в силу отсутствия необходимой статистиче-
ской информации; б) ситуация не статистическая и об объективных вероятностях говорить вообще не
имеет смысла (это ситуация чистой неопределенности в узком смысле). «Чистая» неопределенность до-
вольно часто встречается в экономике, ведь решения (особенно стратегические) принимаются каждой
конкретной фирмой в уникальных условиях.
Различают следующие виды неопределенности:
1) объективная («природы»);
2) неопределенность из-за отсутствия достаточной информации;
3) стратегическая, вызванная зависимостью от других субъектов рынка;
4) порожденная слабоструктурируемыми проблемами;
5) вызванная нечеткостью как процессов и явлений, так и информаций, их описывающих;
6) перспективная (появление непредусмотренных факторов);
7) ретроспективная (отсутствие информации о поведении объекта в прошлом):
а) информацию можно восстановить;
б) информацию можно восполнить перспективной;
в) информацию нельзя ни восстановить, ни восполнить.
8) техническая – невозможность предсказать результаты принимаемых решений;
9) стохастическая;
10) неопределенность целей;
11) неопределенность условий.
Ситуацию полной неопределенности следует отличать от риска. Под риском понимают ситуацию, в кото-
рой люди не знают точно, что случится, но представляют вероятность каждого из этих исходов. Неопре-
деленность же означает недостаток информации о вероятных будущих событиях.
Необходимо отметить, что неопределенность не есть что-то безусловно отрицательное для фирмы и
она не должна обязательно снижать ее уровень. Неопределенность затрудняет принятие решений фир-
мой, но она мешает и принятию решений конкурентов. Поэтому фирма может
(и должна) в случае, если она имеет весомую рыночную долю, сама создавать дополнительную неопреде-
ленность. Всякая ошибка конкурен-
тов – предоставленная нам возможность. Соответственно, «предприятие должно стремиться расширять
собственные области решений и сужать аналогичные поля конкурентов».
Основным приемом снижения уровня неопределенности, конечно, является получение дополнитель-
ной информации. Следовательно, возникают следующие вопросы: во-первых, сколько будет стоить эта
информация, а во-вторых, сколько времени потребуется для ее получения. Поэтому необходимо соблю-
дать баланс точность/время и точность/цена. Нет смысла получать очень точную информацию, если она
будет стоить больше возможных потерь или к моменту получения полной информации момент для при-
нятия решения будет упущен. Среди других приемов «обороны» от неопределенности можно отметить
создание зоны стабильности – это вертикальная и горизонтальная интеграция Другим методом является
система резервов – привычный, но не слишком эффективный способ. Одновременно и сама стратегия
позволяет снять субъективную неопределенность, поскольку в ходе ее формирования руководящий пер-
сонал определяет цели, критерии, мотивы деятельности.
При перспективном и оперативном планировании работы предприятия возникает необходимость в
учете ряда случайных факторов, существенно влияющих на процесс производства. К таким факторам
относятся спрос, который не всегда может быть предсказуем, непредусмотренные сбои в поступле-
нии сырья, энергии, рабочей силы, неисправности и аварии оборудования. Еще больше случайных
факторов необходимо учитывать при планировании производства, эффективность которого зависит
от климатических условий, урожайности и т.д.
Таким образом, неопределенность оказывает значительное влияние на фирму и должна учитываться
фирмой при формировании ассортиментной политики.
В управленческих задачах могут присутствовать несколько видов неопределенности. Эффективность
поиска оптимальных решений существенно зависит от методов описания и анализа имеющейся в задаче
неопределенности, насколько адекватно эти методы могут отразить реальную ситуацию. Однако из-за
концептуальных и методических трудностей, в настоящее время не существует единого методологическо-
го подхода к решению задач, содержащих элементы неопределенности. Тем не менее, накоплено доста-
точно большое число методов формализации постановки и принятия решений с учетом неопределенно-
стей. При использовании этих методов следует иметь в виду, что все они носят рекомендательный харак-
тер, и выбор окончательного решения всегда остается за человеком (ЛПР).
Случай, когда неопределенные факторы заданы распределением, соответствует ситуации риска. Этот
случай может учитываться двумя путями. Первый – анализом адаптивных возможностей, позволяющих
реагировать на конкретные исходы; второй – методически, при сопоставлении эффективности техниче-
ских решений.
Суть первого подхода заключается в том, что законы распределения отдельных параметров на этапе
проектирования могут быть определены с достаточной степенью приближения на основе сопоставления с
аналогами, из физических соображений или на базе статистических данных и данных прогнозов.
Методический учет случайных факторов, заданных распределением, может быть выполнен двумя
приемами: заменой случайных параметров их математическими ожиданиями (сведением стохастической
задачи к детерминированной) и «взвешиванием» показателя качества по вероятности (этот прием иногда
называют «оптимизация в среднем»).
Нечеткость
Исторически первыми появились вероятностно-статистические методы, и на сегодняшний день они
являются наиболее развитыми. Эти методы описания и анализа неопределенности являются основой
для принятия решений в условиях риска, а большинство задач, решаемых людьми как в деловой сфере,
так и в обыденной жизни, имеют рискованный характер. Несмотря на развитие вероятностных методов,
они не могут являться универсальным средством для описания всех типов неопределенностей в задачах
принятия решений. Это относится, прежде всего, к слабоструктурируемым проблемам и задачам с не-
четкой исходной информацией.
Использование нечетких словесных понятий, которыми оперирует ЛПР, позволяет ввести в рассмотрение
качественные описания и учесть неопределенность в задачах принятия решений, достигнуть более полно-
го описания всех факторов, имеющих отношение к данной задаче и не поддающихся точному
количественному описанию.
Заде Л. противопоставил понятия «неточность» и «случайность». Он поставил под сомнение интуи-
тивно принимаемое допущение, что неточность независимо от ее природы может быть отождествлена
со случайностью. По его мнению, следует различать случайность и нечеткость, так как именно нечет-
кость является основным источником неточности во многих процессах принятия решений. Под нечет-
костью при этом понимается тот тип неточности, который связан с такими классами объектов, в кото-
рых нельзя указать определенную границу, отделяющую элементы, принадлежащие к данному классу, и
элементы, ему не принадлежащие. Например, в класс мягких предметов входят предметы мягкие в раз-
личной степени.
Важно подчеркнуть, что теория нечетких множеств не призвана конкурировать с теорией вероятностей и
статистическими методами, она заполняет пробел в области структурируемой неопределенности там, где
нельзя корректно применять статистику и вероятность. Методы, основанные на подходе Л. Заде, не могут
дать окончательного критерия отбора, их задача – отбросить неконкурентноспособные, выделить наибо-
лее перспективные. Использование методов теории нечетких множеств позволяет, подобно принципу Па-
рето, «сжать» множество возможных альтернатив.
Преимуществами нечетких моделей являются:
• нечеткие множества идеально описывают субъектную активность лиц, принимающих решения
(ЛПР). Неуверенность эксперта в оценке может моделироваться функцией принадлежности, носителем
которой выступает допустимое множество значений анализируемого фактора. Помимо этого, ЛПР полу-
чает возможность количественной интерпретации признаков, первоначально сформулированных качест-
венно, в терминах естественного языка;
• нечеткие числа (разновидность нечетких множеств) идеально подходят для планирования факто-
ров во времени, когда их будущая оценка затруднена, размыта, не имеет достаточных вероятностных
оснований. Таким образом, все сценарии по тем или иным отдельным факторам могут быть сведены в
один сводный сценарий в форме треугольного числа, где выделяются три точки: минимально возмож-
ное, наиболее ожидаемое и максимально возможное значения фактора. При этом веса отдельных сцена-
риев в структуре сводного сценария формализуются как треугольная функция принадлежности уровня
фактора нечеткому множеству «примерного равенства среднему»;
• исследователь может в пределах одной модели формализовывать как особенности экономиче-
ского объекта, так и познавательные особенности, связанные с этим объектом, субъектов менеджера и
аналитика, порождая экспертную модель в структуре обобщенной модели. Таким образом, возникает
платформа для интеграции принципиально разнородных знаний в рамках одной количественной моде-
ли;
• мы можем вернуть вероятностные описания в свой научный обиход, как вероятностные распре-
деления с нечеткими параметрами. Нечеткость параметров распределения обусловлена тем, что
классически понимаемой статистической выборки наблюдений нет, и для анализа мы пользуемся
научной категорией квазистатистики. При таком подходе треугольные параметры распределения
устанавливаются на основе процедуры установления степени правдоподобия. Следовательно, наме-
тился путь для синтеза вероятностных и нечетко-множественных описаний. Без вероятностных
распределений не обойтись там, где речь идет о моделировании случайных процессов (например, в
фонд•о воокма змыевнаеедтжсям евнотзем)о; жным получить принципиально новый класс методов комплексного анализа,
основанных на увязывании ряда отдельных показателей в единый комплексный показатель финансово-
экономического состояния хозяйствующего субъекта;
• нечеткие множества позволяют отказаться и от сценарного моделирования при инвестиционном
проектировании. Предполагается, что все возможные сценарии развития событий, отражающиеся во
входных параметрах модели (уровень затрат, выручки, фактора дисконтирования и т.д.), учтены в соот-
ветствующих треугольно-нечетких оценках, а веса вхождения соответствующего сценария в полную
группу характеризуются функцией принадлежности соответствующего треугольного числа;
• мы можем воспользоваться матричной схемой для оценки комплексного состояния хозяйствую-
щего субъекта для построения методов оценки качественного уровня ценных бумаг, рейтинга облига-
ций и скоринга акций;
В общем случае осложненные условия эксплуатации современных технологических комплексов при-
водят к необходимости учета в процессе контроля и управления следующих видов неопределенно-
сти.
1 Низкая точность оперативной информации, получаемой с объектов управления, возникающая
ввиду большой погрешности датчиков замера технологических параметров (расхода, давления и т.д.),
их невысокой надежности, отказов каналов связи, большого запаздывания при передаче информации по
уровням управления, отсутствия возможности замеров параметров во всех точках технологического
процесса, необходимых для моделей. Наличие такого вида неопределенности вызывает неточность в
задании переменных величин в моделях, начальных и граничных условий.
2 Неточность моделей объектов контроля и управления, вызванная неэквивалентностью решений
системных многоуровневых иерархических моделей и используемых на практике отдельных локальных
задач.
Неточность моделей может возникать из-за неверно проведенной декомпозиции общей задачи
управления, излишней идеализации модели сложного процесса, разрыва существенных связей в техно-
логическом комплексе, линеаризации, дискретизации, замены фактических характеристик оборудова-
ния паспортными, нарушения допущений, принятых при выводе уравнений (стационарности, изотер-
мичности, однородности и т.д.). Ввиду большой сложности объекта, существенной нелинейности, труд-
ностей формализации, наличия различных субъективных критериев и ограничений могут применяться
нечеткие модели.
3 Нечеткость в процессе принятия решений в многоуровневых иерархических системах, обуслов-
ленная тем, что наличие четких (точных) целей и координирующих решений на каждом уровне контро-
ля и управления и для каждого локального устройства регулирования затрудняет процесс координации
и предопределяет длительный итеративный характер согласования решений.
4 Наличие диспетчера в контуре управления и ведение процесса координации в реальной произ-
водственной системе на естественном языке приводит к необходимости учета трудностей представле-
ния знаний диспетчера в виде алгоритмов и согласованности полученного ЭВМ решения с его оценкой:
– ненадежность исходной информации, получаемой от диспетчера в режиме принятия решения, не-
точность оценок, недоопределенность понятий и терминов, неуверенность диспетчеров в своих заключе-
ниях;
– нечеткость (неоднозначность) естественного языка (лингвистическая неопределенность) и языка
представления правил в системах экспертного типа;
– процедура принятия решения базируется на неполной информации, т.е. нечетких посылках;
– неопределенность проявляется при агрегации правил и моделей, исходящих от разных источни-
ков знаний или от руководителей различных уровней управления (эти правила и модели могут быть
противоречивыми, избыточными и т.п.).
Когда человек сталкивается с неопределенностью реальной системы в процессе принятия решений,
то он поступает самыми различными способами.
1 Чаще всего сознательно (или бессознательно) игнорирует существование неопределенности и
использует детерминированные модели.
2 Выбирает один наиболее существенный, с его точки зрения, вид неопределенности и использует
соответствующую теорию, так как разработанные в настоящее время количественные методы принятия
решений помогают выбрать наилучшие из множества возможных решений лишь в условиях конкретно-
го вида неопределенности.
3 Проводит дополнительные исследования системы или получает информацию в ходе контроля
(адаптация и обучение) или управления (дуальное управление системой).
Особенности решения задач в реальном масштабе времени приводят к тому, что недостаток вычис-
лительных возможностей (несоответствие вычислительных ресурсов сложности задачи) эквивалентен, в
некотором смысле, недостатку информации об условиях задачи.
Согласно работе М. Блэка, неопределенность имеет место, когда универсальное множество состоит
более чем из одной точки. Если для этих элементов множества заданы соответствующие вероятности
или другие вероятностные характеристики, то имеет место вероятностная неопределенность. Если из-
вестны только граничные элементы множества – интервальная неопределенность. И, наконец, при зада-
нии для каждого элемента множества соответствующей степени принадлежности – нечеткость.
Для широкого класса задач априорная неопределенность может быть сведена к параметрической, ко-
гда вероятностные законы распределения для исследуемых ситуаций, величин и наблюдаемых про-
цессов известны с точностью до конечного числа параметров.
Системой можно управлять либо на основе априорных сведений в виде программы на весь период
функционирования системы, либо с помощью процедур адаптивного и рекуррентного оценивания
для устранения априорной параметрической неопределенности с использованием принципов управ-
ления с обратной связью. В этом случае принятие решения не сводится к единичному акту, а про-
должается в ходе наблюдения за управляемым объектом.
В зависимости от степени изученности объекта может применяться структурная идентификация (ко-
гда неизвестна структура объекта управления и лежащие в ее основе физические законы) или пара-
метрическая идентификация (если неопределенность в представлении объекта можно свести к неоп-
ределенности векторного параметра).
В теории управления с неполной информацией важное место принадлежит задачам, в которых не-
известные параметры объекта управления заданы с точностью до априорных оценок, а процессы управ-
ления и идентификации должны происходить одновременно.
Последнее обстоятельство привело к появлению теории дуального управления, где, как правило,
неизвестным параметрам приписываются вероятностные распределения, заданные с точностью до ап-
риорных оценок случайных величин.
Присутствие в процессе принятия решений неопределенности не позволяет точно оценить влияние
управляющих воздействий на целевую функцию. Если неопределенности, существующие как в са-
мой системе, так и в наблюдениях, могут быть представлены как стохастические процессы, то к та-
ким задачам применимы методы стохастического управления. Однако имеется сравнительно боль-
шой класс проблем, при решении которых эти методы неэффективны. Последнее можно объяснить
тем, что набор стандартных вероятностных понятий и методов оказывается неадекватным для описа-
ния рассматриваемых ситуаций, а также с трудностью получения необходимых статистических ха-
рактеристик параметров, отсутствием эргодичности процессов и их существенной нестационарно-
стью. Источник неопределенности может не иметь случайного характера и иногда быть частично или
полностью детерминированным. Сложность технологических комплексов и неопределенность ин-
формации о них растет, а требования к точности получаемого решения повышаются. Проблема пред-
ставления неопределенности является одной из ключевых, но в то же время и наименее изученной
для объектов газовой промышленности.
Ошибки расчета в основном складывается из ошибки исходных данных, ошибки модели и ошибки
метода решения (численного метода).
Для многоуровневых иерархических систем управления наблюдается достаточно резкий рост ошибок
исходных данных, в зависимости от номера уровня управления, на котором производится расчет.
Рост ошибок в данных обусловлен запаздыванием и искажением данных при передаче от уровня к
уровню, фильтрацией их на каждом уровне и невозможностью ограниченной пропускной способно-
стью каналов связи, передачи ряда данных с требуемой периодичностью ввиду их большого объема.
Крайне важным является правильный выбор для соответствующего уровня управления модели и
объема передаваемых для расчетов данных. Усложнение математической модели, учитывающей
большое число замеряемых параметров, приводит к снижению погрешности, вносимой моделью.
Однако при большой размерности моделей очень существенной становится составляющая ошибка,
вносимая неточностью применяемых аналитических и численных методов. Время решения задачи
большой размерности также может стать неприемлемым при ее решении в реальном масштабе вре-
мени. Усложнение математической модели требует также увеличения объема данных, передаваемых
с нижнего уровня и также приводит к росту соответствующей составляющей ошибки. Поэтому, тре-
буется находить разумный компромисс между этими факторами в зависимости от уровня управле-
ния.
Естественно, что внедрение в системе управления аппаратуры передачи информации между уровня-
ми средств вычислительной техники, межмашинного обмена информацией позволяет значительно
снизить уровни погрешностей данных и расчетов для вышестоящих уровней управления.
За счет возможностей применения более сложных математических методов на ЭВМ значительно
повышается обоснованность

Размер файла: 949.93 Кбайт
Тип файла: pdf (Mime Type: application/pdf)
Заказ курсовой диплома или диссертации.

Горячая Линия


Вход для партнеров