Разработка модели процесса принятия решений закупки радиоэлементов

Размещено на http://www.allbest.ru/

Оглавление

Введение

1. Вербальная модель процесса (описание процесса)

1.1 Анализ процесса закупки радиоэлементов для изготовления изделий

1.2 Содержание работ процесса закупки радиоэлементов для изготовления изделий

2. Моделирование процесса

2.1 Выбор и обоснование метода моделирования процесса

2.2 Разработка модели процесса закупки радиоэлементов для изготовления изделий

3. Имитационное моделирование функционирование сервера при обработке запросов

Заключение

Библиографический список

Введение

Любое коммерческое предприятие и государственные органы управления много времени уделяют поиску путей повышения эффективности процесса принятия решений. От правильно или ошибочно принятого решения в условиях высокой степени неопределенности могут зависеть дальнейшее существование предприятия, конкурентоспособность отрасли или эффективность деятельности органа власти. В связи с тем, что любое решение принимается на основе большого количества информации, часто избыточной или уже потерявшей свою актуальность, остро стоит проблема создания программного средства, отвечающего за процесс принятия решений, или совершенствование уже существующих.

Управленческое решение -- это результат конкретной управленческой деятельности менеджера. Выработка и принятие решений -- это творческий процесс в деятельности руководителей любого уровня. Результаты реализации принятых управленческих решений служат наиболее объективной оценкой искусства руководителя. От качества разработки, принятия и внедрения управленческого решения зависит эффективность использования людских, материальных, финансовых, энергетических и информационных ресурсов конкретной организации. Следовательно, актуализируется проблема существования всего предприятия, которое напрямую оказывается в зависимости от субъективного выбора. По результатам решений происходит процесс сравнения, анализа и оценки запланированных показателей и достигнутых результатов. От оценки решений и процесса их принятия, форм внедрения, использования зависит продуктивность труда, экономическое и рациональное использование потребляемых ресурсов, уровень информационной системы, мотивация персонала и много других аспектов управления.

Принятие управленческого решения -- это выбор одной из нескольких возможных альтернатив. То есть -- это модель, в которой фигурирует определенное число вариантов и возможность выбрать лучший из них. Морально-этический облик, имидж, влияние и статус -- все это в сумме составляет личность руководителя, а поскольку он имеет возможность выбирать решения, то, прежде всего, несет ответственность за их исполнение. Принятые решения поступают в исполнительные органы и подлежат контролированию за их реализацией. Поэтому управление должно быть целенаправленным, должна быть известна цель управления. В системе управления обязательно должен соблюдаться принцип выбора принимаемого решения из определенного набора решений. Чем больше выбор, тем эффективнее управление. Принятие решения носит ситуационный характер, а поэтому в связи с изменениями условий, требуются действующие способы и модели, которые бы упорядочивали этот сложный процесс.

1. Вербальная модель процесса

1.1 Анализ процесса закупки радиоэлементов для изготовления изделий (радиоаппаратуры)

Затраты на закупки, как правило, составляют от 40 до 60% в структуре себестоимости производства продукции. Поэтому менеджерам компании, занимающимся логистикой и работой с поставщиками, необходимо уделять серьезное внимание сокращению и оптимизации издержек. Один из возможных путей здесь - повышение эффективности работы отдела закупок.

Повышение эффективности предполагает постоянный сбор отчетности, ее структурирование и анализ по ключевым показателям деятельности (KPI) отдела закупок. Сбор отчетности, структурирование и анализ - сложные процессы (особенно в крупной компании с десятками или сотнями тысяч наименований, с сотнями поставщиков и соответствующим отделом закупок). Подходящим решением здесь будет использование специализированного инструмента - BI (системы бизнес-анализа), которая включает в себя возможность консолидации и обработки больших объемов информации, оперативного анализа, создания отчетности (нестандартной в том числе), визуализации всей собранной статистики

Для того чтобы комплексно оценивать эффективность, работать над ее повышением, необходимо постоянно контролировать показатели (KPI), характеризующие деятельность отдела закупок. Такими показателями являются: время, цены, поставщики.

Постоянный сбор статистики и анализ по данным показателям позволят грамотно определять пределы закупочных цен, бюджет на закупки, планировать процесс закупок, исходя из выявленных тенденций. Грамотное выставление нормативов позволит руководителю быстро выявлять отклонения в работе каждого менеджера по закупкам и всего отдела в целом.

Такая статистика позволит комплексно оценить надежность того или иного поставщика, вовремя выявить нежелательные отклонения и отказаться от сотрудничества с ним, либо, наоборот, укрепить существующие отношения. В комплексе с информацией об удаленности того или иного поставщика, о наличии у него резервных мощностей и о его финансовом положении данные показатели могут послужить основой для создания модели отношений с поставщиками (размер, их количество, цены, удаленность, сроки поставок и так далее) и дальнейшей работы по их поиску, исходя из условий данной модели.

Постоянный, комплексный анализ ключевых показателей эффективности (KPI) отдела закупок будет способствовать принятию правильных и своевременных решений, позволит оптимизировать процессы, связанные с закупом, сделает работу менеджеров более прозрачной и подконтрольной.

Чтобы решить данную задачу, используем метод теории принятия решений: выбор альтернатив.

Рациональный выбор альтернатив состоит из следующих этапов:

- ситуационный анализ;

- идентификация проблемы и постановка цели;

- поиск необходимой информации;

- формирование альтернатив;

- формирование критериев для оценки альтернатив;

- проведение оценки;

- выбор наилучшей альтернативы;

- управление (исполнение);

- разработка критериев (индикаторов) для мониторинга;

- мониторинг исполнения;

- оценка результата.

1.2 Содержание работ процесса закупки радиоэлементов для изготовления изделий

Производитель радиоаппаратуры должен сделать заказ на радиоэлементы на 1 месяц работы у внешнего поставщика. Время выполнения этого заказа поставщиком - 4 месяца. Завод делает радиоаппаратуру на заказ и количество произведенной продукции определяется числом заказов на радиоаппаратуру в данном месяце. Какое число заказов завод будет иметь через 5 месяца (когда подойдет заказ от поставщика, который надо сделать сегодня) неизвестно, но предыдущий опыт позволяет оценить вероятность различных уровней спроса. Данные представлены в таблице 1.

Таблица 1- Исходные данные

Кол-во радиоэлементов	800	1000	1200	1500	1750	2000
Вероятность продаж	0,05	0,1	0,25	0,3	0,25	0,05

Если купленные радиоэлементы используется в тот месяц, для которого они куплены, они дают прибыль 900у.е., если они залеживаются до следующего месяца, это влечет убытки 500 у.е..

Постройте таблицу выигрышей и потерь. Используя принцип максимума ожидаемой монетарной ценности определите: каков оптимальный размер заказа?

Какова цена совершенной информации?

Как изменится оптимальное решение, если потери от неиспользованного вовремя, двигателя составляют 1500у.е.? Как при этом изменится стоимость совершенной информации?

Проанализируйте, насколько существенно изменится решение, если вероятности известны с точностью не лучше 5 процентных пунктов.

Сравните выводы, к которым приводят критерии максимина и минимаксных сожалений, с решением на основе максимума ожидаемой монетарной ценности альтернативы.

2. Моделирование процесса

2.1 Выбор и обоснование метода моделирования процесса

Вероятность того, что произойдет хотя бы одно из нескольких несовместных событий A1, A2,... An, равна сумме их вероятностей:

P(A1 или A2 или...или An) = P(A1)+ P(A2)+...+ P(An)

События называются несовместными (взаимоисключающими), если ни какие два из них не происходят одновременно.

Если два независимых события A1 и A2 могут произойти одновременно (совместны), то вероятность того, что произойдет хотя бы одно из них

P(A1 или A2) = P(A1)+ P(A2) - P(A1)* P(A2)

Если нескольких несовместных событий A1, A2,... An, в совокупности исчерпывают все возможные исходы (образуют полную группу событий)

P(A1)+ P(A2)+...+ P(An)=1

Если несколько событий A1, A2,... An независимы (т.е. вероятность каждого из них Ai не зависит от того, произошло ли другое событие Aj или нет), то вероятность того, что все они произойдут одновременно равна произведению их вероятностей

P(A1 и A2 и...и An) = P(A1)* P(A2)*...* P(An)

Если два события A и С не являются независимыми (т.е. вероятность одного из них зависит от того произошло ли другое или нет), то вероятность того , что они произойдут одновременно равна

P(A и С) = P(С)* P(A/C)=P(A)*P(C/A)

P(А) и P(С) - безусловные вероятности событий А и С (независимо оттого произошло ли другое событие), P(А/С) вероятность события А при условии, что случилось событие С, P(C/A) вероятность события С при условии, что случилось событие А

Если событие А может произойти в результате нескольких событий С1, С2, ... Сm, то полная вероятность события А (если случилось хотя бы одно из событий Сi) равна (Формула полной вероятности):

(1)

Если событие-следствие А произошло, то вероятности событий - условий С должны быть переоценены:

(2)

Процесс принятия любого управленческого решения - это всегда выбор из нескольких рассматриваемых альтернатив: Инвестировать деньги в данный проект или нет?

Продать убыточное отделение компании или инвестировать в его реорганизацию?

Покупать акции компании А или компании В или продавать и те и другие?

Вложить деньги в новое оборудование, чтобы снизить издержки по производству данного продукта, в дополнительную рекламу продукта или в информационную систему, эффективно обрабатывающую клиентскую базу данных, и позволяющую перейти к прямому маркетингу продукта?

Количество подобных вопросов, на которые управленец должен давать ответы каждый день, можно умножать беспредельно. Их разнообразие бесконечно.

Очень часто привлекательность той или иной альтернативы (по сравнению с другими рассматриваемыми альтернативами), зависит от того, каким образом будут развиваться события, от того, какой из предполагаемых «сценариев будущего» реализуется. Поскольку человеку не дано достоверно предвидеть будущее, процесс выбора из нескольких альтернатив в таких условиях называют принятием решения в условиях неопределенности и риска. В случае если лицо, принимающее решение, не имеет никакого представления о вероятностях реализации того или иного сценария будущего, говорят о принятии решения в условиях полной неопределенности. Если, наоборот, лицо, принимающее решение, имеет те или иные объективные оценки вероятностей различных сценариев будущего, говорят о принятии решения в условиях риска.

Первое, что нужно сделать для систематизации процесса выбора из нескольких альтернатив, это оценить выигрыши и потери, к которым приведет выбор каждой альтернативы, при условии реализации каждого из рассматриваемых сценариев будущего. Все выигрыши и потери нужно свести в таблицу (или матрицу) выигрышей и потерь. В этой таблице столько строк, сколько рассматривается альтернатив, и столько столбцов, сколько сценариев будущего, определяющих результат каждой альтернативы, принимается во внимание.

В случае, когда вероятности сценариев будущего определены, наиболее употребительным критерием выбора из нескольких альтернатив является критерий «Ожидаемой монетарной ценности» - EMV (по-английски Expected Monetary Value). Для каждой i-ой альтернативы следует рассчитать величину суммы произведений выигрышей при различных сценариях будущего Oij на величины вероятностей этих сценариев pj:

(3)

2.2 Разработка модели процесса закупки радиоэлементов для изготовления изделий

Для того чтобы построить таблицу выигрышей и потерь необходимо определиться, какие значения спроса (сценарии будущего) мы будем считать возможными и из каких предполагаемых размеров заказа мы будем выбирать оптимальный (альтернативы).

Данная таблица распределения вероятностей различных значений спроса подталкивает к тому, чтобы в качестве возможных значений спроса выбрать 6 чисел, отраженных в ней. Это особенно естественно, поскольку для этих уровней спроса уже оценены соответствующие вероятности.

Отвлекаясь от конкретной формулировки условия задачи, обсудим происхождение представленной в условии таблицы распределения вероятностей различных значений спроса? Как подробно обсуждалось в теоретическом введении к настоящей главе, существуют два источника для подобного рода информации: реальная выборка значений спроса, основанная на исторических данных, или экспертные оценки. Очевидно, что в реальной выборке различные «некруглые» значения спроса были сгруппированы в 6 диапазонов около представленных в таблице «круглых» значений от 800 до 2000. Результаты построенной на исторических данных статистической выборки могут непосредственно использоваться для прогноза спроса на интересующий нас период времени в будущем (в этом случае говорят, что используется «наивный прогноз: завтра будет так же, как сегодня»). Разумеется, эти результаты можно скорректировать, используя экспертные оценки. Например, пусть из тех же исторических данных следует, что спрос на тот или иной продукт имеет сильную сезонную компоненту, или наш отдел маркетинга в настоящее время проводит мероприятия по интенсивному продвижению продукта так, что в следующем месяце ожидается существенное увеличение спроса, по сравнению с предыдущими месяцами, на основании которых и было получено распределение вероятностей, представленное в условии задачи. В этом случае, менеджеры отдела маркетинга могут предположить (на основании своего опыта), что представленные в таблице уровни спроса следует увеличить (например, на 30%), сохранив прежние оценки вероятностей этих уровней, или наоборот, сохранив возможные уровни продаж, сдвинуть максимум распределения вероятностей в сторону более высоких значений.

Поскольку вся эта «внутренняя кухня компании» осталась за рамками рассматриваемой задачи, примем, что данное в условии распределение вероятностей спроса следует непосредственно применить к интересующему нас месяцу. Тогда, для избежания не нужных сложностей, в качестве рассматриваемых альтернатив размера заказа естественно выбрать те же значения, что и уровни спроса, представленные в таблице.

Тогда таблицей выигрышей и потерь будет иметь 66=36 клеток, в каждой из которых необходимо подсчитать финансовый выигрыш или потерю. Если организовать таблицу так, как показано на рисунке 1, то эти финансовые результаты должны содержаться в ячейках C4:H9. Их можно подсчитать для каждого из 36 вариантов развития событий отдельно, но это утомительно и, главное, совсем не в духе идеологии MS-Excel. Лучше составим формулу.

При различных вариантах заказа и спроса может возникнуть две принципиально разных ситуации.

Первая ситуация. Спрос превысил сделанный заказ или в точности соответствовал ему. В этом случае мы продадим все, что у нас запасено на данный месяц и не больше этого.

Рисунок 1- Финансовые результаты

В таблице C4:H9 этой ситуации отвечают ячейки, расположенные выше диагонали, идущей от ячейки C4 к ячейке H9 (либо расположенные на самой диагонали). Чтобы подсчитать прибыль в этих случаях достаточно, очевидно, умножить размер заказа на прибыль от продажи одной единицы. В виде формулы для протягивания для ячейки C4 это запишется так: =$B4*$C$1. Здесь ссылка на величину прибыли от использования одного двигателя в течение месяца со дня покупки фиксирована полностью и при протягивании не изменяется, а ссылка на размер заказа фиксирована только по столбцу. Это сделано для того, чтобы при протягивании формулы вправо ссылаться на одну и ту же величину заказа, а при протягивании вниз переходить к следующему размеру заказа, который меняется по строкам.

Вторая ситуация. Спрос оказался ниже размера заказа. В этом случае часть закупленных двигателей останется на складе и принесет убытки. Продадим мы столько двигателей, какова оказалась величина спроса, а разница между размером заказа и спросом останется. Поэтому прибыль для ячейки C9, например, запишется следующим образом: =C$3*$C$1+ ($B9-C$3)*$F$1. В первом слагаемом (полученной прибыли) ссылка на величину спроса C$3 фиксирована по строке, поэтому при протягивании формулы по вертикали не меняется, а при протягивании по горизонтали указывает на различную величину спроса. Во втором слагаемом ссылка на размер заказа фиксирована по столбцу, а ссылка на величину спроса по строке (все, как и в предыдущих случаях). Чтобы записать одну формулу для всех случаев, используем функцию =ЕСЛИ(..). В ячейке C4 запишем:

=ЕСЛИ($B4<=C$3;$B4*$C$1;C$3*$C$1+($B4-C$3)*$F$1)

т.е. если заказ меньше спроса или равен ему, используем формулу =$B4*$C$1, а если нет - формулу = C$3*$C$1+($B4-C$3)*$F$1

Распространив эту формулу на всю таблицу, получим следующий результат.

Рисунок 2- Расчёт результатов

Из этой таблицы следует, что если мы закажем, например, 2000 двигателей, то с вероятностью 0,25 получим 680у.е.. С вероятностью 0,3 получим 1100 у.е., с такой же вероятностью 0,25 - 1450 у.е..

Используя эти данные можно оценить средний взвешенный финансовый результат EMV для каждой альтернативы (значения размера заказа). Рассчитаем величину EMV для каждой альтернативы, используя функцию =СУММПРОИЗВ(..). Для заказа в 2000 двигателей функция будет иметь вид:

=СУММПРОИЗВ($C$11:$H$11;C9:H9)

Ссылка на строку вероятностей фиксирована. Поместим эту формулу в ячейку I9 и протянем вверх до ячейки I4.

Величина EMV с ростом заказа меняется немонотонно: сначала растет от 720 у.е. до 1126 у.е., а затем уменьшается до 998у.е.. Максимальная величина средней прибыли - 1126у.е.. - соответствует заказу 1500 количеству радиоэлементов.

Рисунок 3- Расчёт величины EMV

Как показано в теоретическом введении, дополнительная информация способна увеличить нашу ожидаемую прибыль и уменьшить риск потерь. Вычислим стоимость совершенной информации. Для этого сначала, в строке C10:H10 определим максимальные выигрыши при каждом сценарии будущего, используя функцию =МАКС(..).

Для ячейки C10 формула будет выглядеть следующим образом: =МАКС(C4:C9). При протягивании формулы вправо до ячейки H10, мы увидим, что каждый раз из столбца прибылей выбирается значение ячейки, расположенной на диагонали таблицы.

Так как вероятности каждого уровня спроса остаются прежними, мы можем подсчитать ожидаемую монетарную ценность в гипотетическом случае владения совершенной информацией . Для этого просто протянем формулу в ячейке I9 вниз на одну ячейку.



Рисунок 4- Расчёт ожидаемой монетной ценности.

Оказывается, уникальный источник совершенной информации, каждый месяц сообщающий нам точные значения будущего спроса, увеличивает нашу ожидаемую прибыль всего на 15% (получим 1126 у.е. вместо 1284,75 у.е.). Эта величина и есть стоимость совершенной информацией EVPI, т.е. верхняя граница цены, которую мы готовы платить за информацию при выборе из рассматриваемых альтернатив при данных сценариях будущего.

Как уже неоднократно подчеркивалось, совершенную информацию (особенно о спросе) получить невозможно. Несовершенная информация (основанная на экспертных оценках) всегда носит вероятностный характер и действует на статистическое распределение вероятностей, изменяя его в ту или другую сторону. Например, если наши эксперты из отдела маркетинга говорят, что спрос в следующем месяце будет выше обычного, это, очевидно, означает, что вероятности высокого спроса должны увеличиться, а вероятности низкого спроса, напротив, уменьшиться. В нашей таблице вероятность того, что спрос не превысит 1200 радиоэлементов, равна 0,4 (0,05+0,1+0,25), а вероятность того, что спрос будет 1500 радиоэлементов и выше - 0,6. Т.е. вероятность низкого спроса почти вдвое выше вероятности высокого. Предположим, что информация экспертов выравнивает эти вероятности. Тогда распределение вероятностей можно записать, вычитая из первых трех вероятностей по 0.05, и добавляя столько же к последним трем вероятностям.

Таблица 2- Распределение вероятностей

Спрос	800	1000	1200	1500	1750	2000
Вероятности при повышенном спросе	0	0,05	0,2	0,35	0,3	0,1
Вероятности при пониженном спросе	0,1	0,15	0,3	0,25	0,2	0

В свою очередь, если спрос в следующем месяце ожидается ниже, чем в текущем, мы можем оценить изменение распределения вероятностей, уменьшив вероятности высокого спроса и увеличив, соответственно, вероятности низкого. Для сравнения на рисунке 5 все три распределения показаны в виде графиков.

Рисунок 5- Распределение вероятности.

Для вновь полученных распределений вероятностей спроса нужно повторить расчеты максимального значения EMV. Скопируем построенную раньше таблицу на два новых листа Excel. Заменим в этих листах вероятности на новые и получим следующий результат.

Как мы можем видеть, при повышенном спросе максимальное значение EMV (1246 у.е.) соответствует выбору либо 1750 радиоэлементов. При пониженном спросе максимальное значение EMV (1021 тыс.) соответствует выбору 1500 двигателей.



Рисунок 6- Расчет EMV альтернатив для пониженного спроса

Рисунок 7- Расчет EMV альтернатив для повышенного спроса

Это означает, что если мы будем все время заказывать 1500 радиоэлементов и не станем реагировать на сигналы о возможном повышенном или пониженном спросе, то фактически ничего не потеряем. Выбор 1500 радиоэлементов оптимален и остается таковым даже при значительных вариациях вероятностей сценариев будущего, отражающих возможные вариации спроса. Это небольшое исследование является ответом и на вопрос о том, изменяется ли оптимальное решение, если учесть, что все вероятности известны нам с точностью не лучше 5 процентных пунктов. Мы взяли два крайних случая того, как может выглядеть истинное распределение вероятностей спроса и, выбранное первоначально решение -заказать 1500 радиоэлементов, практически не изменилось.

Наряду с распределением вероятностей спроса большое влияние на выработку решения имеет относительная величина возможных потерь. Мы говорим относительная, так как значение имеет соотношение величин прибыли от использования двигателя в конечном изделии и потери от его хранения в течение лишнего месяца. В первоначальной постановке задачи ожидаемые потери в три раза меньше, чем прибыль. Из-за этого оптимальный размер заказа получается выше, чем среднее значение ежемесячного спроса. Мы, кстати, до сих пор не подсчитывали, каков именно этот средний спрос. Давайте сделаем это сейчас.

Расчет среднего спроса делается точно так же, как и ожидаемой монетарной ценности, только теперь значения спроса мы умножаем на соответствующие вероятности. Добавим в какую-нибудь ячейку формулу

=СУММПРОИЗВ($C$11:$H$11;C3:H3)

Результат вычисления оказывается равным 1427 двигателей.

Если потери достигают 900 у.е.. При этом размер прибыли в расчете на один двигатель равен потерям. Если вспомнить идеологию однопериодной модели заказа, связь которой с данной задачей очевидна, то можно предположить, что в этих условиях выгоднее всего окажется заказ, равный среднему. Проверим это, изменив в исходной таблице величину потерь на -0,9 у.е..

Как мы видим, оптимальный заказ, соответствующий максимальному значению EMV=1062 у.е., действительно равен 1500 радиоэлементов. Построенная таблица содержит и другую интересную, с точки зрения формирования заказа, информацию. Например, из того, что EMV1200=1008 у.е., а EMV1750=972 у.е., можно сделать вывод, что ошибка в величине заказа в меньшую сторону обойдется дешевле, чем в сторону завышения.



Рисунок 8- Изменение величины потерь равной прибыли

В целом же условия бизнеса ухудшились. Возможные потери, в случае если мы завысили оценку спроса, увеличились. Поэтому ожидаемая прибыль при оптимальном размере заказа и стала меньше.

Здесь же отметим и возросшую цену совершенной информации (EVPI=222,75 у.е.). Это соответствует общему принципу, который понятен и интуитивно: чем выше риск и вероятные потери, тем дороже информация.

Проверьте, что стоимость совершенной информации обращается в ноль, если возможные потери статут равны нулю. И снова все понятно: если информация не приносит дополнительных денег она ничего не стоит!

Последний вопрос задачи фактически тоже связан с точность имеющейся у нас статистической информации. Допустим, что статистики по изделиям у нас нет. Приведенные значения вероятностей мы взяли из данных о спросе на какой- либо близкий товар, из экспертных оценок, но совершенно не уверены, что они справедливы в нашем случае. Попробуем, в этой ситуации, привлечь оценки по критериям максимина и минимаксных сожалений.

Оценка по критерию максимина очень проста и не требует каких-либо изменений в проделанных уже расчетах. Вернемся к первоначальной таблице. Согласно критерию максимина, для каждой альтернативы нужно выбрать тот сценарий будущего, при котором наш выигрыш минимален (это критерий пессимиста - с нами случится самое худшее, какую бы альтернативу мы ни выбрали), а затем выбрать ту альтернативу, где это «самое худшее» лучше всех остальных. В данной задаче, независимо от выбранной альтернативы, самое худшее - это наименьший спрос- 800 радиоэлементов. Посмотрим по таблице, при каком заказе прибыль для спроса 800 радиоэлементов максимальна. Ясно, что это 720 у.е., и соответствует такая величина прибыли заказу 800 радиоэлементов. Это и есть оптимальное решение по критерию максимина.

Рисунок 9 Оптимальное решение по критерию максимина

Для оценки по критерию минимаксных сожалений необходимо построить таблицу упущенных возможностей. В этой таблице на месте финансового выигрыша (или потери) в каждой клетке должна содержаться разница между максимально возможной прибылью для данного уровня спроса (строка C10:H10) и прибылью из таблицы C4:H9. Запишем в ячейку C15 формулу =C$10-C4 и распространим ее на всю вторую таблицу C15:H20 (Рис. 211). После этого нам нужно выбрать для каждого размера заказа максимальные упущенные возможности («самое худшее» - по критерию максимальных сожалений). Добавим к таблице столбец «Макс. потери». Запишем в ячейку I15 формулу =МАКС(C15:H15) и протянем ее вниз до ячейки I20. Таким образом, мы получили максимальные упущенные возможности для каждой альтернативы - размера заказа. Обратите внимание, что эти упущенные возможности имеют разную природу. Все числа выше диагонали (здесь наши упущенные возможности равны нулю, так как заказ оказался в точности равным спросу) - это неполученная прибыль. Числа ниже диагонали - прямые финансовые потери. Согласно критерию максимаксных сожалений мы должны учитывать эти два вида потерь на равных основаниях.

Величина максимальных упущенных возможностей с увеличением размера заказа тоже меняется немонотонно - сначала уменьшается, а потом растет. Самое маленькое значение этой величины - 450у.е. - соответствует заказу в 1500 радиоэлементов. Заметьте, что выбор по критерию минимаксных сожалений зависит только от соотношения прибылей и потерь и не учитывает распределение вероятностей. Тем не менее, в данном случае, выбор оказывается близким к выбору в соответствии с критерием максимума EMV.

3. Имитационное моделирование процесса принятия решений. Закупка радиоэлементов для изготовления изделий

Результаты имитационного моделирования приведены на рисунках 10-16.

Рисунок 10 - Схема исходных данных

Рисунок 11 - Схема исходных данных

Рисунок 12- Начало работы имитации



Рисунок 13- Промежуточная работа имитации

Рисунок 14- Промежуточная работа имитации 2

Рисунок 15- Промежуточная работа имитации 3



Рисунок 16- Работа имитации завершена

решение закупка имитационный моделирование

Заключение

Имитационное моделирование позволяет учесть максимально возможное число факторов внешней среды для поддержки принятия управленческих решений и является наиболее мощным средством анализа инвестиционных рисков. Необходимость его применения в отечественной финансовой практике обусловлена особенностями российского рынка, характеризующегося субъективизмом, зависимостью от внеэкономических факторов и высокой степенью неопределенности.

Результаты имитации могут быть дополнены вероятностным и статистическим анализом и в целом обеспечивают менеджера наиболее полной информацией о степени влияния ключевых факторов на ожидаемые результаты и возможных сценариях развития событий.

К недостаткам рассмотренного подхода следует отнести:

- трудность понимания и восприятия менеджерами имитационных моделей, учитывающих большое число внешних и внутренних факторов, вследствие их математической сложности и объемности;

- при разработке реальных моделей может возникнуть необходимость привлечения специалистов или научных консультантов со стороны;

- относительную неточность полученных результатов, по сравнению с другими методами численного анализа.

Несмотря на отмеченные недостатки, в настоящее время имитационное моделирование является основой для создания новых перспективных технологий управления и принятия решений в сфере бизнеса, а развитие вычислительной техники и программного обеспечения делает этот метод все более доступным для широкого круга специалистов-практиков.

Результаты выполненной работы показывают, что разработка модели процесса принятия решений закупки радиоэлементов для изготовления изделий упрощает закупку у поставщиков. Благодаря расчёту статистического анализа за определенные промежутки времени закупки радиоэлементов. Мы можем рассчитать риск закупок.

Рассчитали средний спрос на закупки, который равен 1500 радиоэлементов, не зависимо от спроса на изготовление изделий.

Библиографический список

1. Аристов С.А. Имитационное моделирование экономических систем: Учеб. пособие. - Екатеринбург: Изд-во Урал. гос. экон. ун-та. 2011. - 164 с.

2. Балдин К.В., Воробьев С.Н. Управленческие решения: теория и технология принятия. - М.: Эксмо, 2010. - 342 с.

3. Буянов Б.Б., Лубков Н.В., Поляк Г.Л. Система поддержки принятия управленческих решений с применением имитационного моделирования // Проблемы управления - Выпуск 6 - 2006 - С. 9-12.

4. Голубева О.Л. Управление развитием потенциала регионального животноводческого комплекса // Российское предпринимательство. - 2013. - № 24 (246). - С. 182-189.

5. Демкин И.В. Управление инновационным риском на основе имитационного моделирования. Основные подходы к оценке инновационного риска. Часть 1. Оценка риска // Проблемы анализа риска - Т. 2.

6. Злобина Н.В. Управленческие решения: Учебное пособие. - Тамбов: Издательство ТГТУ, 2011. - 80 с.

7. Карданская Н.Л. Принятие управленческого решения. - М.: Эксмо, 2010. - 329 с.

8. Кошевой О.С. Разработка управленческих решений. - Пенза: ПРЦДО, 2011. - 64 с.

9. Ларичев О.И. Теория и методы принятия решений. - М.: Финансы и статистика, 2011. - 253 с.

10. Литвак Б.Г. Разработка управленческого решения. - М.: Юристъ, 2012. - 389 с.

11. Машунин Ю.К. Разработка управленческого решения: Учебное пособие. - Владивосток: ТИДОТ ДВГУ, 2008. - 111 с.

12. Мыльник В.В., Титаренко Б.П., Волочиенко В.А. Исследование систем управления: Учебное пособие для вузов. - Екатеринбург: Деловая книга, 2010, - 352 с.

13. Трофимова Л.А., Трофимов В.В. Управленческие решения (методы принятия и реализации): учебное пособие. - СПб.: Изд-во СПбГУЭФ, 2011. - 190 с.

14. Хивинцев М.А. Целевое управление компанией с использованием систем имитационного моделирования // Проблемы современной экономики - №3 - 2008. - С. 29-34.

15. Шкляев Л.О. Имитационное моделирование кредитного риска эмитента корпоративных облигаций // Инструментальные методы экономики - УэкС - №5 - 2012. - С. 14-18.

Размещено на Allbest.ru