Моделирование как метод разработки управленческого решения

На завершающей стадии решающее значение приобретает искусство принятия решения.

Однако не следует забывать, что выдающийся художник, создает свои произведения, опираясь на блестяще отточенную и совершенную технику.

Наибольший эффект при принятии важных управленческих решений дает сочетание опыта, знаний, интуиции менеджера и современных технологий выработки и принятия управленческого решения.

Отметим также, что использование моделей процесса принятия решений позволяет привнести в практику принятия управленческих решений элемент системности, обеспечить эффективное взаимодействие различных этапов принятия решений.

Использование моделей целесообразно при принятии не только особо важных управленческих решений, но и гораздо менее важных решений в часто повторяющихся или многократно возникающих ситуациях принятия решений.

При моделировании процесса принятия решений надо иметь четкое представление о базисных элементах таких моделей, которыми являются:

·                   ситуация принятия решения,

·                   время для принятия решения,

·                   ресурсы, необходимые для реализации решения,

·                   ресурсы, которыми располагают организация или ЛПР,

·                   система управляемых факторов,

·                   система неуправляемых факторов,

·                   система связей между управляемыми и неуправляемыми факторами,

·                   альтернативные варианты решений,

·                   система критериев (оценочная система) для оценки результатов принимаемых решений.

Отметим вот какое важное для современного этапа массированного использования управленческих технологий обстоятельство.

Используемая в процессе принятия управленческого решения модель должна быть адекватна ситуации принятия решения.

Это означает, что модель должна соответствовать:

·                   структуре и свойствам объекта управления;

·                   особенностям и возможностям создания используемых методов моделирования и экспериментов, проводимых на базе используемых моделей;

·                   требованиям решаемой управленческой задачи.

Укрупненно основные этапы формирования требований при разработке адекватных моделей процесса управления представлены на рисунке 4.1.

Рисунок 4.1. Этапы формирования требований при разработке адекватных моделей процесса управления

Отметим, что наряду с требованием соответствия модели объекту управления важную роль играет требование соответствие модели субъекту управления, т. е системе ценностей и предпочтениям ЛПР, уровню владения ЛПР необходимыми профессиональными навыками работы с современными управленческими технологиями, доверия ЛПР к результатам моделирования.

Однако недостаточный анализ ситуации принятия решения нередко приводит к ошибочно принятым управленческим решениям и, следовательно, к дополнительным неоправданным потерям.

Следует отметить также, что один и тот же объект управления может быть представлен с помощью различных моделей в зависимости от того, какого аспекта объекта управления касается принимаемое решение.

Модели процесса управления могут различаться по степени сложности. Например, так называемые мультипликативные факторные модели, характеризующие влияние основных факторов на развитие ситуации принятия решения, являясь достаточно простыми, в то же время вызывают дополнительные сложности при их использовании.

В то же время трудоемкие при разработке экономико-математические модели при их использовании достаточно удобны при наличии современных систем поддержки и сопровождения процесса выработки управленческих решений.

В процессе реального управления организацией менеджер сталкивается с полем проблем, которые должны быть решены в процессе деятельности организации.

Проблемы определяются стратегическими и тактическими целями организации, состоянием внешней и внутренней среды, необходимыми и имеющимися в наличии ресурсами, конкретными значениями неуправляемых и управляемых параметров, ходом самого процесса управления.

В ходе процесса управления вырабатываются альтернативные варианты решений, образующие пространство возможных решений.

Основной задачей управленца является определение для каждой проблемы, принадлежащей возникшему полю проблем, альтернативного варианта решения из пространства решений, позволяющего в наибольшем соответствии с целями организации решить эту проблему.

Для определения наиболее предпочтительного альтернативного варианта решения для конкретной проблемы используются решающие правила, на основании которых осуществляется сравнение и выбор альтернативных вариантов.

Решающие правила позволяют как при одноцелевом, так и при многоцелевом подходе дать однокритериальную или многокритериальную оценку сравниевым вариантам решений.

К числу наиболее распространенных решающих правил можно отнести:

Метод «свертки», при котором рассчитываются значения единого комплексного критерия для каждого альтернативного варианта решения;

Принцип Парето, при котором сопоставляются оценки альтернативных вариантов решения по нескольким критериям и отбрасываются «доминируемые» решения;

Лексикографический выбор, при котором выбор осуществляется сначала по наиболее важным критериям, а затем по менее важным;

Правило максимина, используемое при игровом подходе и реализующее стратегию гарантированного результата, когда выбирается вариант, дающий максимальный эффект при наименее благоприятных действиях противника, и др.

Большое распространение получили решающие правила, основанные на использовании функции полезности альтернативного варианта решения.

2 Разработка и принятие решений в условиях неопределенности и риска

2.1 Цель практической части курсовой работы

Выполнение расчётного задания с применением методов подготовки управленческого решения в условиях неопределенности и риска. Обоснование и выбор одной из альтернатив.

2.2 Постановка задачи

Таблица исходных данных к тестовой задаче

Рассматривается фирма, занимающаяся созданием и эксплуатацией наукоёмкой продукции. Перед руководством фирмы возникла проблема: следует ли принять решение о разработке новой продукции, то есть о проведении научно-исследовательских и опытно-конструкторских работ (НИОКР), или же отказаться от разработки новой продукции в пользу решения о проведении модернизации ранее выпущенной продукции. Ресурсы фирмы ограничены настолько, что заниматься разработкой новой и модернизацией ранее выпущенной продукции одновременно не представляется возможным. Принятие решения осложняется тем, что продолжительность разработки и внедрения новой продукции точно не известна и является дискретной случайной величиной (5, 10 или 15 лет).

Таким образом, решение принимается в условиях неопределённости и связано с риском непроизводительных затрат в рассматриваемом пятнадцатилетнем горизонте планирования.

2.3 Формализация задачи методами теории игр

Расчёты затрат и экономического эффекта (млн. руб.) в зависимости от продолжительности разработки, внедрения и использования новой продукции до конца 15-летнего планового периода удобно представить в виде таблицы возможных ситуаций.

Таблица ситуаций

Перейдём от неё к «платёжной» матрице игры, которую будем называть матрицей эффектов.

Матрица эффектов

Где А={А1,А2} – множество решений планирующего органа;

А1 – соответствует решению о проведении НИОКР;

А2 – соответствует решению об отказе от НИОКР;

В={В1,В2,В3} – множество состояний «природы», олицетворяющее неопределенность ситуации,

В1 – проведение НИОКР потребует 5 лет;

В2 – проведение НИОКР потребует 10 лет;

В3 – проведение НИОКР потребует 15 лет.

Рассматриваемая задача решается методами математической теории игр с использованием «платёжной» матрицы (матрицы эффектов либо матрицы потерь) и выбранных критериев принятия решения поэтапно:

–                    в условиях полной неопределённости;

–                    в условиях частичной определённости;

–                    в условиях эксперимента, предшествующего принятию решения;

–                    с применением аппарата решающих функций и использованием функции риска.

2.4 Решение задачи

Критерии принятия решений в условиях полной неопределённости.

Критерий Уолда

EY = maxi minj eij

Максимаксный критерий

EM = maxi maxj eij

Критерий Гурвича

Критерий Сэвиджа

EC = mini maxj (maxi eij - eij)

Критерий Лапласа

n

EЛ = maxi S ( eij / n)

j=1

Критерий принятия решений в условиях частичной определённости.

Условия частичной определенности предполагают, что распределение вероятностей состояний «природы» p(bj) известно и статистически устойчиво. В соответствии с исходными данными это распределение имеет вид:

p(b1) =0,25 p(b2) =0,50 p(b3) =0,25

Критерий Байеса-Лапласа

Принятие решений в статистических играх с экспериментом.

Принятию решения предшествует эксперимент. Допустим, что результаты эксперимента образуют множество X = {x1, x2, x3}, где исход эксперимента x1 означает, что проведение данной НИОКР потребует 5 лет, x2 – соответственно 10 лет и x3 – 15 лет. Как правило, такие результаты эксперимента носят не достоверный, а вероятностный характер. Это приводит к необходимости использования условных вероятностей p(xi/bj), которые показывают вероятность прихода к выводу xi, если на самом деле имеет место состояние «природы» bj.

В соответствии с исходными данными условные вероятности p(xi/bj) исходов эксперимента:

p(x1/b1) = 0,25 p(x1/b2) =0,80 p(x1/b3) =0,20

p(x2/b1) = 0,15 (x2/b2) =0,10 p(x2/b3) =0,70

p(x3/b1) =0,65 p(x3/b2) =0,25 p(x3/b3) =0,15

Находим полные вероятности исходов эксперимента:

p(x1) = p(x1/b1)p(b1) + p(x1/b2)p(b2) + p(x1/b3)p(b3)

p(x2) = p(x2/b1)p(b1) + p(x2/b2)p(b2) + p(x2/b3)p(b3)

p(x3) = p(x3/b1)p(b1) + p(x3/b2)p(b2) + p(x3/b3)p(b3)

p(x1) = 0,25×0,25+0,80∙0,50+0,20∙0,25=0,5125

p(x2) = 0,15×0,25+0,10∙0,50+0,70∙0,25=0,2625

p(x3) =0,65×0,25+0,25∙0,50+0,15∙0,25=0,325

Находим апостериорные вероятности состояния природы после того или иного исхода эксперимента (по формуле Байеса):

p(bj / xi) = p(xi / bj) p(bj) / p(xi)

p(b1/x1) = p(x1/b1)p(b1)/p(x1) =0,25∙0,25/0,5125≈0,1220

p(b2/x1) = p(x1/b2)p(b2)/p(x1) = 0,80∙0,50/0,5125≈0,7805

p(b3/x1) = p(x1/b3)p(b3)/p(x1) =0,20∙0,25/0,5125≈0,0976

p(b1/x2) = p(x2/b1)p(b1)/p(x2) =0,15∙0,25/0,2625≈0,1429

p(b2/x2) = p(x2/b2)p(b2)/p(x2) = 0,10∙0,50/0,2625≈0,1905

p(b3/x2) = p(x2/b3)p(b3)/p(x2) =0,70∙0,25/0,2625≈0,6667

p(b1/x3) = p(x3/b1)p(b1)/p(x3) = 0,65∙0,25/0,325=0,5

p(b2/x3) = p(x3/b2)p(b2)/p(x3) = 0,25∙0,50/0,325≈0,3846

p(b3/x3) = p(x3/b3)p(b3)/p(x3) =0,15∙0,25/0,325≈0,1154

Таким образом:

p(b1/x1) = 0,1220 p(b2/x1) = 0,7805 p(b3/x1) = 0,0976

p(b1/x2) = 0,1429 p(b2/x2) = 0,1905 p(b3/x2) = 0,6667

p(b1/x3) = 0,5 p(b2/x3) = 0,3846 p(b3/x3) = 0,1154

Находим по критерию Байеса-Лапласа (с учётом уже апостериорных вероятностей состояний «природы» p(bj / xi) ) ожидаемые выигрыши для каждого исхода эксперимента:

62∙0,1220+22∙0,7805+(-18)∙0,0976=22,97561* Þ А1

EБ (x1) = max

12∙0,1220+12∙0,7805+12∙0,0976=12

62∙0,1429+22∙0,1905+(-18)∙0,6667=1,047619

EБ (x2) = max

12∙0,1429+12∙0,1905+12∙0,6667≈12*Þ А1

62∙0,5+22∙0,3846+(-18)∙0,1154=39,6*Þ А2

EБ (x3) = max

12∙0,5+12∙0,3846+12∙0,1154=12

Средний выигрыш при неизвестном заранее исходе эксперимента равен:

 = » 22,97561∙0,5125+12∙0,2625+39,6∙0,3125=27,3

При этом  =27,3 > Е = 22 , то есть средний выигрыш с экспериментом больше, чем выигрыш без эксперимента.

Принятие решений в статистических играх в условиях риска.

В задаче без эксперимента решение (А1 или А2) принимается с использованием априорной информации о состояниях «природы». В задаче с экспериментом плановый орган принимает решение в зависимости от исхода эксперимента (Х1, Х2, Х3). Чтобы формализовать эту задачу, можно заранее проанализировать все возможные исходы эксперимента и составить правило d, определяющее, какое решение следует принять при каждом из возможных исходов эксперимента. Это правило называется решающей функцией.

В рассматриваемом случае (для трёх возможных исходов эксперимента) решающую функцию можно записать в виде

dkls = d (x1, x2, x3) = (Ak, Al, As) ,

где Ak, Al, As – решения, которые следует принять при исходах эксперимента x1, x2, x3 соответственно. Так, решающая функция d112 означает, что соответствие исходов и решений имеет вид

{ x1 ® A1 , x2 ® A1 , x3 ® A2 }, то есть при оценке срока НИОКР в 5 или 10 лет принимается решение о разработке новой продукции A1 , а в 15 лет – решение об отказе от разработки новой продукции A2 .

Множество решающих функций состоит из N = mq элементов, где m - число возможных решений; q – число возможных исходов эксперимента.

В нашем случае m = 2; q = 3; N = mq = 23 = 8 (см. таблицу).

Множество решающих функций

Из всего множества решающих функций необходимо выбрать такую, которая позволит принимать наиболее выгодные решения. Но для этого надо уметь оценивать сами решающие функции, что может быть сделано при помощи функции риска.

Функцией риска r(bj, dkls) называются средние потери, которые несёт плановый орган при данном состоянии природы и выбранной решающей функции. Число значений функции риска равно N×n, где n – число состояний природы. В нашем случае N = 8, n = 3, тогда 8×3 = 24.

Усреднение потерь ведётся по вероятностям исходов эксперимента при данном состоянии природы. В нашем случае:

r(bj, dkls) = П(bj, Ak)×p(x1/bj) + П(bj, Al)×p(x2/bj) + П(bj, As)×p(x3/bj)

или r(bj, dkls) = Пjk×p(x1/bj) + Пjl×p(x2/bj) + Пjs×p(x3/bj) ,

где Пjk , Пjl , Пjs – элементы матрицы потерь которые получаются из матрицы эффектов путём умножения её элементов на (-1). Отрицательные элементы Пji матрицы потерь означают получение экономического эффекта.

Матрица потерь

Значения функции риска

Расчёт значений функции риска

r(b1,d111) = -62∙0.25-62∙0.15-62∙0.65=-65.1

r(b1,d112) = -62∙0.25-62∙0.15-12∙0.65=-32.6

r(b1,d121) = -62∙0.25-12∙0.15-62∙0.65=-57.6

r(b1,d122) = -62∙0.25-12∙0.15-12∙0.65=-25.1

r(b1,d211) = -12∙0.25-62∙0.15-62∙0.65=-52.6

r(b1,d212) = -12∙0.25-62∙0.15-12∙0.65=-20.1

r(b1,d221) = -12∙0.25-12∙0.15-62∙0.65=-45.1

r(b1,d222) = -12∙0.25-12∙0.15-12∙0.65=-12.6

r(b2,d111) =-22∙0.80-22∙0.10-22∙0.25=-25.3

r(b2,d112) =-22∙0.80-22∙0.10-12∙0.25=-22.8

r(b2,d121) =-22∙0.80-12∙0.10-22∙0.25=-24.3

r(b2,d122) =-22∙0.80-12∙0.10-12∙0.25=-21.8

r(b2,d211) =-12∙0.80-22∙0.10-22∙0.25=-17.3

r(b2,d212) =-12∙0.80-22∙0.10-12∙0.25=-14.8

r(b2,d221) =-12∙0.80-12∙0.10-22∙0.25=-16.3

r(b2,d222) =-12∙0.80-12∙0.10-12∙0.25=-13.8

r(b3,d111) = 18∙0.20+18∙0.70+18∙0.15≈18

r(b3,d112) = 18∙0.20+18∙0.70-12∙0.15≈15

r(b3,d121) = 18∙0.20-12∙0.70+18∙0.15≈-3

r(b3,d122) = 18∙0.20-12∙0.70-12∙0.15≈-6

r(b3,d211) =-12∙0.20+18∙0.70+18∙0.15≈12

r(b3,d212) =-12∙0.20+18∙0.70-12∙0.15≈9

r(b3,d221) =-12∙0.20-12∙0.70+18∙0.15≈-9

r(b3,d222) =.-12∙0.20-12∙0.70-12∙0.15≈-12

Наилучшей решающей функцией будет та, которая обеспечивает минимум так называемому байесовскому риску, рассчитываемому по формуле:

r(dkls) = r(b1, dkls)×p(b1) + r(b2, dkls)×p(b2) + r(b3, dkls)×p(b3).

Определим байесовские риски для каждой из решающих функций:

r(d111) = -65.1∙0.25+(-25.3)∙0.5+18∙0.25=-24.425

r(d112) = -32.6∙0.25+(-22.8)∙0.5+15∙0.25=-15.8

r(d121) = -57.6∙0.25+(-24.3)∙0.5+(-3)∙0.25=-27.3

r(d122) =-25.1∙0.25+(-21.8)∙0.5+(-6)∙0.25=-18.675

r(d211) = -52.6∙0.25+(-17.3)∙0.5+12∙0.25=-18.8

r(d212)=-20.1∙0.25+(-14.8)∙0.5+9∙0.25=-10.175

r(d221) =-45.1∙0.25+(-16.3)∙0.5+(-9)∙0.25=-21.675

r(d222) =-12.6∙0.25+(-13.8)∙0.5+(-12)∙0.25=-13.05

Байесовские риски для различных решающих функций

Умножая полученные байесовские риски на (-1), получим таблицу средних значений эффектов для различных решающих функций

Средние экономические эффекты для различных решающих функций, млн. руб.

Построим график среднего экономического эффекта в зависимости от выбранной решающей функции. На оси абсцисс графика с равным шагом отмечаются точками решающие функции в той последовательности, в которой они приведены в таблице, а вдоль оси ординат – в выбранном масштабе для каждой решающей функции строятся точки средних значений экономического эффекта.

2.5 Выводы

В ходе выполнения практической части работы были рассмотрены различные способы и критерии разработки и принятия решений о целесообразности разработки новой продукции в условиях неопределенности.

Минимум байесовского риска (максимум эффекта) достигается при использовании решающей функции d121. Она и является наилучшей. Этот же результат получен и при нахождении среднего выигрыша в п. 4.3. без использования понятий риска и решающей функции, что подтверждает правильность выполненных расчётов.

Наихудшей решающей функцией является d212. При таком абсурдном поведении планового органа величина среднего эффекта ниже, чем даже при полном отказе от разработок новой продукции при любых условиях (пассивное поведение d222).

ЗАКЛЮЧЕНИЕ

В процессе написания моей курсовой, я рассмотрела в теоретической части тему: «Моделирование, как метод разработки управленческого решения».

Материал, подобранный мной, по этой теме помог ответить мне на интересующий меня вопрос: «Для чего в процессе принятия управленческих решений, необходимо моделирование?»

В практической части, в данной задаче, научилась применять знания, полученные на лекциях по данному предмету, на практике, а именно пришла к принятию решения в условиях неопределенности и риска, с помощью определенных расчетов.

На мой взгляд, в моей курсовой все поставленные мною задачи выполнены, основная цель достигнута.

СПИСОК ИСПОЛЬЗУЕМОЙ ЛИТЕРАТУРЫ

1.       Глущенко В.В. Менеджмент: системные основы. – 2-е изд. – Железнодорожный: ТОО НПЦ «Крылья», 1998. – 224 с.

2.       Литвак Б.Г. Разработка управленческого решения: Учебник. – 3-е изд., испр. – М.: Дело, 2002. – 392 с.;

3.       Ременников В.Б. Разработка управленческого решения: Учебное пособие для вузов. – М.: ЮНИТИ-ДАНА, 2000. – 140 с.;

4.       Смирнов Э.А. Разработка управленческих решений: Учебник для вузов. – М.: ЮНИТИ – ДАНА, 2000. – 271 с.

Страницы: 1, 2