Имитационное моделирование экономической деятельности предприятия

1.4.1. Кибернетический  подход к организации экспериментальных  исследований сложных объектов  и процессов.

Планирование эксперимента можно рассматривать как кибернетический  подход к организации и проведению экспериментальных исследований сложных  объектов и процессов. Основная идея метода состоит в возможности  оптимального управления экспериментом  в условиях неопределенности, что  родственно тем предпосылкам, на которых  базируется кибернетика. Целью большинства  исследовательских работ является определение оптимальных параметров сложной системы или оптимальных  условий протекания процесса:

1. определение параметров инвестиционного проекта в условиях неопределенности и риска;

2. выбор конструкционных и электрических параметров физической установки, обеспечивающих наиболее выгодный режим ее работы;

3. получение максимально возможного выхода реакции путем варьирования температуры, давления и соотношения реагентов – в задачах химии;

4. выбор легирующих компонентов для получения сплава с максимальным значением какой-либо характеристики (вязкость, сопротивление на разрыв и пр.) – в металлургии.

При решении задач такого рода приходится учитывать влияние  большого количества факторов, часть  из которых не поддается регулированию  и контролю, что чрезвычайно затрудняет полное теоретическое исследование задачи. Поэтому идут по пути установления основных закономерностей с помощью  проведения серии экспериментов.

Исследователь получил возможность  путем несложных вычислений выражать результаты эксперимента в удобной  для их анализа и использования  форме.

1.4.2. Регрессионный  анализ и управление модельным  экспериментом

В общем случае объект исследования можно представить как некоторый  «черный ящик» (Рис.6), на входе которого действуют управляющие параметры xi, (i = 1, 2,...,k) и неконтролируемые возмущения zj, (j= 1, 2, ...,m). Выходом объекта исследования являются показатели качества или какие-либо другие характеристики объекта hv (v = 1, 2,...,n).

Рис.6 Схема исследования системы или процесса

Если рассмотреть зависимость  одной из характеристик системы  ηv(xi), как функцию только одной  переменной xi (Рис.7), то при фиксированных  значениях xi будем получать различные  значения  ηv(xi).

 

Рис.7 Пример усреднения результатов  эксперимента

Разброс значений ηv в данном случае определяется не только ошибками измерения, а главным образом  влиянием помех zj. Сложность задачи оптимального управления характеризуется  не только сложностью самой зависимости  ηv      (v = 1, 2, …, n), но и влиянием zj, что вносит элемент случайности  в эксперимент. График зависимости  ηv(xi) определяет корреляционную связь  величин ηv и xi, которая может быть получена по результатам эксперимента с помощью методов математической статистики. Вычисление таких зависимостей при большом числе входных  параметров xi и существенном влиянии  помех zj и является основной задачей  исследователя-экспериментатора. При  этом чем сложнее задача, тем эффективнее  становится применение методов планирования эксперимента.

Различают два вида эксперимента:

- пассивный;

- активный.

При пассивном эксперименте исследователь только ведет наблюдение за процессом (за изменением его входных  и  выходных параметров). По результатам  наблюдений затем делается вывод  о влиянии входных параметров на выходные. Пассивный эксперимент  обычно выполняется на базе действующего экономического или производственного  процесса, который не допускает активного  вмешательства экспериментатора. Этот метод мало затратный, но требует  большого времени.

Активный эксперимент  проводится главным образом в  лабораторных условиях, где экспериментатор  имеет возможность изменять входные  характеристики по заранее намеченному  плану. Такой эксперимент быстрее  приводит к цели.

Соответствующие методы приближения  получили название регрессионного анализа. Регрессионный анализ является методическим инструментарием при решении задач прогнозирования, планирования и анализа хозяйственной деятельности предприятий.

Задачами регрессионного анализа являются установление формы  зависимости между переменными, оценка функции регрессии и установление влияния факторов на зависимую переменную, оценка неизвестных значений (прогноз  значений) зависимой переменной.

1.4.3. Ортогональное  планирование второго порядка.

Ортогональное планирование эксперимента (по сравнению с неортогональным) уменьшает число опытов и существенно  упрощает расчеты при получении  уравнения регрессии. Однако такое  планирование осуществимо только при  возможности проведения активного  эксперимента.

Практичным средством  отыскания экстремума является факторный  эксперимент. Основные достоинства  факторного эксперимента - простота и  возможность отыскания экстремальной  точки (с какой-то погрешностью), если неизвестная поверхность достаточно гладкая и нет локальных экстремумов. Следует отметить два основных недостатка факторного эксперимента. Первый заключается  в невозможности поиска экстремума при наличии ступенчатых разрывов неизвестной поверхности и локальных  экстремумов. Второй — в отсутствии средств описания характера поверхности  вблизи экстремальной точки из-за использования простейших линейных уравнений регрессии, что сказывается  на инертности системы управления, так как в процессе управления необходимо проводить факторные  эксперименты для выбора управляющих  воздействий.

Для целей управления наиболее подходит ортогональное планирование второго порядка. Обычно эксперимент  состоит из двух этапов. Сначала  с помощью факторного эксперимента отыскивается область, где существует экстремальная точка. Затем в  районе существования экстремальной  точки проводится эксперимент для  получения уравнения регрессии 2-го порядка.

Уравнение регрессии 2-го порядка  позволяет сразу определять управляющие  воздействия, без проведения дополнительных опытов или экспериментов. Дополнительный эксперимент потребуется только в случаях, когда поверхность отклика существенно изменится под воздействием неконтролируемых внешних факторов (например, существенное изменение налоговой политики в стране серьезным образом повлияет на поверхность отклика, отображающую производственные затраты предприятия

 5. Практическая работа

В данном разделе мы рассмотрим, как можно применить вышеизложенные теоретические знания к конкретным экономическим ситуациям.

Главная задача нашей курсовой работы – определить эффективность  предприятия, занимающегося коммерческой деятельностью 

Для реализации проекта мы выбрали пакет Pilgrim. Пакет Pilgrim обладает широким спектром возможностей имитации временной, пространственной и финансовой динамики модели¬руемых объектов. С его помощью можно создавать дискретно-непрерывные модели. Разрабатываемые модели имеют свойство коллективного управления процессом моделирования.

Объектом наблюдения является предприятие, которое занимается реализацией  выпускаемого товара. Для статистического  анализа данных функционирования предприятия  и сравнения полученных результатов  сопоставлялись все факторы, влияющие на процесс выпуска и реализации товара.

Предприятие занимается выпуском товара небольшими партиями (размер этих партии известен). Имеется рынок, где  эта продукция продается. Размер партии покупаемого товара в общем  случае - случайная величина.

Структурная схема бизнес-процесса содержит три слоя. На двух слоях  расположены автономные процессы «Производство» и «Сбыт», схемы которых независимы друг от друга т.к. нет путей для  передачи транзактов. Опосредованное взаимодействие этих процессов осуществляется только через ресурсы: материальные ресурсы (в виде готовой продукции) и денежные ресурсы (в основном через расчетный счет).

Управление денежными  ресурсами происходит на отдельном  слое - в процессе «Денежные операции» 

Введем целевую функцию: время задержки платежей с расчетного счета Трс.

Основные управляющие  параметры:

1 цена единицы продукции;

2 объем выпускаемой партии;

3 сумма кредита, запрашиваемого в банке.

Зафиксировав все остальные  параметры:

4 время выпуска партии;

5 число производственных линий;

6 интервал поступления заказа от покупателей;

7 разброс размеров продаваемой партии;

8 стоимость комплектующих изделий и материалов для выпуска партии;

9 стартовый капитал на расчетном счете.

Можно минимизировать Трс для конкретной рыночной ситуации. Минимум Трс достигается при одном из максимумов среднего размера денежной суммы на расчетном счете. Причем вероятность рискового события – неуплаты долгов по кредитам - близка к минимуму (это можно доказать во время статистического эксперимента с моделью).

Первый процесс «Производство» реализует основные элементарные процессы. Узел 1 имитирует поступления распоряжений на изготовление партий продукции от руководства компании. Узел 2  –  попытка получить кредит. В этом узле появляется вспомогательный транзакт – запрос в банк. Узел 3 – ожидание кредита этим запросом. Узел 4 – это  администрация банка: если предыдущий кредит возвращен, то предоставляется  новый (в противном случае запрос ждет в очереди). Узел 5 осуществляет перечисление кредита на расчетный счет компании. В узле 6 вспомогательный запрос уничтожается, но информация о том, что кредит предоставлен, - это «шлагбаум» на пути следующего запроса на получение другого кредита (операция hold).

Основной транзакт-распоряжение проходит через узел 2 без задержки. В узле 7 производится оплата комплектующих, если на расчетном счете есть достаточная  сумма (даже если кредит не получен). В  противном случае происходит ожидание либо кредита, либо оплаты продаваемой  продукции. В узле 8 транзакт становится в очередь, если все производственные линии заняты. В узле 9 осуществляется изготовление партии продукции. В узле 10 возникает дополнительная заявка на возврат кредита, если ссуда ранее  была выделена. Эта заявка поступает  в узел 11, где происходит перечисление денег с расчетного счета компании в банк; если денег нет, то заявка ожидает. После возврата кредита  эта заявка уничтожается (в узле 12); в банке появилась информация о том, что кредит возвращен, и  компании можно выдать следующий  кредит (операция  rels).

Транзакт-распоряжение проходит узел 10 без задержки, а в узле 13 он уничтожается. Далее считается, что  партия изготовлена и поступила  на склад готовой продукции.

Второй процесс «Сбыт» имитирует основные функции по реализации продукции. Узел 14 - это генератор  транзактов-покупателей продукции. Эти транзакты обращаются на склад (узел 15), и если там есть запрашиваемое  количество товара, то товар отпускается  покупателю; в противном случае покупатель ждет. Узел 16 имитирует отпуск товара и контроль очереди. После получения  товара покупатель перечисляет деньги на расчетный счет компании (узел 17). В узле 18 покупатель считается обслуженным; соответствующий ему транзакт больше не нужен и уничтожается.

Третий процесс «Денежные  операции» (приложение В) имитирует  проводки в бухгалтерии. Запросы  на проводки поступают с первого  слоя из узлов 5, 7, 11 (процесс «Производство») и из узла 17 (процесс «Сбыт»). Пунктирными линиями показано движение денежных сумм по Счету 51 («Расчетный счет», узел 20), счету 60 («Поставщики, подрядчики», узел 22), счету 62 («Покупатели, заказчики», узел 21) и по счету 90 («Банк», узел 19). Условные номера примерно соответствуют плану счетов бухгалтерского учета.

Узел 23 имитирует работу финансового директора. Обслуженные  транзакты после бухгалтерских  проводок попадают обратно в те узлы, откуда они поступили; номера этих узлов  находятся в параметре транзакта t→updown.

Данный исходный текст  строит саму модель, т.е. создает все  узлы (представленные в структурной  схеме бизнес-процесса)  и связи  между ними. Код может быть сгенерирован конструктором Pilgrim (Gem), в котором  строятся процессы в объектном виде.

Модель создаётся с  помощью Microsoft Developer Studio. Microsoft Developer Studio – пакет программ для разработки приложений, базирующийся на языке  С++.

После присоединения к  проекту дополнительных библиотек (Pilgrim.lib, comctl32.lib) и файлов ресурсов (Pilgrim.res), компилируем данную модель. После  компиляции получаем уже готовую  модель.

Автоматически создается  файл отчета, в котором хранятся результаты моделирования, полученные после одного запуска модели.

Вывод по бизнес-модели «Эффективность производства»

Из содержания результатного  файла мы видим, что каждый узел нашей  модели характеризуется определенными  параметрами.

1) № узла;

2) Наименование узла;

3) Тип узла;

4) Загрузка (%);

5) M(t) среднее время ожидания;

6) Счетчик входов;

7) Осталось транзактов;

8) Состояние узла в этот момент.

Модель состоит из трех независимых процессов: основного  производственного процесса (Приложение А) , процесса реализации продукции (Приложение Б) и процесса управления денежными  потоками (Приложение В). За период моделирования бизнес-процесса в узле 1 («Заказы») было сформировано 10 заявки на изготовление продукции. Среднее время формирования заказов – 74 дня, вследствие этого, один транзакт не вошел в рамки времени процесса моделирования. Остальные 9 транзактов вошли в узел 2 («Развилка1»), где было создано соответствующее число запросов в банк на получение кредита. Среднее время ожидания – 19 дней, это время моделирования, за которое были удовлетворены все транзакты. Далее видно, что 8 запросов получили положительный ответ в узле 3 («Разрешение выдачи»). Среднее время получения разрешения – 65 дней. Загрузка данного узла составила в среднем 70,4%. Состояние узла на момент окончания времени моделирования закрытое, это обусловлено тем, что этот узел предоставляет новый кредит только в случае возврата предыдущего, следовательно, кредит на момент окончания моделирования не был погашен (это видно из узла 11).