Компьютерные имитационные модели

 

Основные проблемы имитационного моделирования мы рассмотрим на примере его исполь-зования в подготовке решений по реорганизации предприятия.

Cпециалисты в области реинжиниринга бизнес-процессов (Business Process Reengineering – BPR) отмечают, что только около 30 % изученных ими проектов реорганизации предприятия за-вершились успешно. Одна из главных причин столь низкого уровня результативности заключается в том, что анализ, на основе которого строятся оценки эффективности, часто проводится с помощью потоковых диаграмм и электронных таблиц.

Хотя потоковые диаграммы и таблицы адекватно отвечают на вопрос «что», они не могут ответить на вопросы «как», «когда» и «где». Бизнес-процессы слишком сложны и динамичны.
Их невозможно понять и проанализировать, используя одни лишь потоковые диаграммы и электронные таблицы.

В то же время, имитационное моделирование представляет собой эффективный, стандартный инструментарий для проведения BPR. Имитационное моделирование является единственным методом, который обеспечивает как точный анализ, так и визуальное представление альтернативных вариантов. Средства имитационного моделирования могут служить для прогнозирования влияния предполагаемых изменений на бизнес-процесс или для проверки проекта нового бизнес-процесса до начала его дорогостоящей реализации. Благодаря тому, что моделирование выполняется с помощью компьютера, компании не приходится использовать своих сотрудников и клиентов в качестве подопытных кроликов. После выбора подходящего проекта можно спокойно приступить к его внедрению и не беспокоиться о том, что производство вдруг внезапно остановится из-за того, что менеджеры начали эксперимент, не определив его последствий. Имитационное моделирование позволяет разработчику модели проанализировать динамику процесса и, следовательно, лучше понять его природу. Собранная информация позволит внести изменения в процесс, чтобы он лучше отвечал задачам бизнеса.

Имитация – численный метод проведения на ЭВМ экспериментов с математическими моделями, описывающими поведение сложных систем в течение продолжительного времени. Имитационная модель – это система, отображающая структуру и функционирование исходного объекта в виде алгоритма, связывающего входные и выходные переменные, принятые в качестве характеристик исследуемого объекта.

Процесс моделирования – это методика, позволяющая представлять в рамках динамической компьютерной модели действия людей и применение технологий, используемых в изучаемых процессах. Проведение моделирования предполагает осуществление четырех основных этапов:

– построение модели;

– запуск модели;

– анализ полученных показателей эффективности;

– оценка альтернативных сценариев.

Работающая модель копирует текущую деятельность компании. Это достигается путем прохождения через возможные события в режиме сжатого времени с одновременным отобра-жением «живой» картины производственного процесса при помощи анимации. Так как программное обеспечение имитационного моделирования отслеживает статистические параметры элементов модели, оценка эффективности процесса может быть получена на основе анализа соответствующих выходных данных.

С помощью модели проводятся также:

Ÿ имитация правил принятия решений – проверка гипотез относительно функциони-рования объекта (например, фирмы) в планируемом периоде;

Ÿ прогностическое моделирование – средство исследования поведения моделируемых объектов, которое позволяет определить их характеристики в условиях, когда это сопряжено с большими затратами средств или времени.

Как правило, перед проектом BPR ставится задача достижения одной или всех следующих конечных целей:

– повышения уровня обслуживания;

– сокращения общей длительности цикла процесса;

– повышения производительности;

– сокращения времени ожидания;

– снижения затрат на осуществление данной деятельности;

– снижения затрат на хранение товарно-материальных запасов.

Специалисты насчитывают свыше 30 способов достижения этих целей. Большая часть предлагаемых принципов составляет основу промышленного проектирования систем. Они десятилетиями применялись и продолжают применяться в условиях производства. Многие из этих принципов применимы, как правило, в реинжиниринге бизнес-процессов:

– объединение дублирующих функций;

– устранение нескольких уровней проверки и получения подтверждения;

– снижение размера выпускаемых партий;

– регулирование на основе спроса;

– передача смежникам неэффективно выполняемых функций;

– устранение перемещений в процессе выполнения данной работы;

– организация многофункциональных групп.

Очевидно, что эти принципы предлагают ответ на вопрос «Что необходимо сделать?» Однако BPR подразумевает, что с течением времени перемены затрагивают также людей, процессы и технологии. Влияние людей на процессы и технологии ведет к появлению бесконечного числа вероятных сценариев и исходов, которые невозможно понять и оценить без помощи имитацион-ной модели.

Варьируя переменные в рамках модели и не рискуя при этом нарушить выполнение текущих операций или помешать созданию новой системы, вы можете точно предсказать, сравнить или оптимизировать показатели эффективности процесса, подвергшегося реинжинирингу.

На основе имитационной модели можно построить самые точные и действенные методы анализа и прогнозирования показателей эффективности бизнес-процессов. Тем не менее, нужно соблюдать осторожность и не использовать некорректные процедуры анализа и моделирования, которые могут привести к неточным результатам.

Для дальнейшего рассмотрения методики имитационного моделирования выделим четыре главные категории бизнес-процессов:

– процессы, связанные с работой над проектом;

– производственные процессы;

– распределительные процессы и процессы обслуживания клиентов.

Такая классификация, разумеется, не означает, что все бизнес-процессы четко попадают в одну из этих категорий. Например, обслуживание клиентов может включать в себя реализацию как функцию приема заказов, так и функцию их выполнения. В этом случае прием заказов явля-ется процессом обслуживания клиентов, а выполнение заказов – производственным процессом.

Широкие возможности компьютерного имитационного моделирования приводят к разработке все более сложных конструкций моделей. Это порождает дополнительные проблемы не только для программиста, но и для пользователя. Количественное определение параметров модели (например, эластичности цены и рекламы) сталкивается со все большими трудностями. Поэтому часто приходится обращаться за недостающей информацией к экспертам (см. гл. 5), что при масштабных моделях со многими параметрами существенно усиливает спекулятивную природу практических рекомендаций.

Слабым местом математических моделей принятия решений является не только проблема определения параметров, но и лежащее глубже несовершенство оценочных экономических теорий как основы их конструкций.

Определенный эффект в этой связи могут принести “нейрональные сети”. Эти стимулируемые нейробиологическими процессами компьютерные алгоритмы не нуждаются в функциональных причинно-следственных связях. Сеть сама “ищет” по определенному “правилу изучения” приближенную взаимосвязь, которая наилучшим образом отражает представленные данные. Поэтому нейрональные сети могут применяться без теоретических обоснований для прогно-зирования, например, покупок как реакции на воздействие рекламы. В этом случае для “подравнивания” и “настраивания” сети требуется обширный материал данных, отражающих прошлую динамику. С другой стороны, сеть сама гибко приспосабливается и “обнаруживает” даже неизвестные взаимосвязи, которые хотя и осуществляются “механически”, но могут способствовать прояснению причинно-следственных связей.

Модели принятия решений могут лишь ограниченно отразить действительность не только из-за дефицита данных и несовершенства теорий, но и, прежде всего, ввиду огромного разнообразия явлений и связей в реальной хозяйственной жизни. Многие исследователи видят в этом их существенный недостаток и повод для критики. В этой связи противопоставляют пониманию модели, основанному на теоретическом отображении реалий, “конструктивистское” понимание. То есть признается, что снижение сложности в модели принятия решений – это не неизбежное зло, а объективная необходимость, так как только структурирование расплывчатой проблемы по предпосылкам обозначает контуры и тем самым сужает сферу поиска решения – неполнота сведений является не конструкционным недостатком, а конструкционным принципом.

Конструкционный принцип, т.е. возможность абстрагироваться в интересах точного анализа от “мешающих величин”, существующих в реальности, делает модели принятия решений открытыми для совершенствования. Они ни в коем случае не отнимают инициативы у лиц, ответственных за решения. Математические модели усиливают интеллект, но не заменяют его.

Наконец, модели принятия решений должны постоянно подтверждать свою полезность как дополнение к чисто умозрительной модели. Однако в принципе модели имеют все предпосылки, чтобы служить менеджерам в качестве вспомогательного средства, а не как “абсолютное знание”. Они способствуют лучшему пониманию реальных проблем, помогают при разработке альтернатив, упрощают их проверку и облегчают оценку интуитивных проектов и существующих моделей поведения.