Модели решения в процессе управления

1. Использование научного метода, то есть наблюдение, формулировка гипотезы, подтверждение достоверности гипотезы.
2. Системная ориентация.
3. Использование различных моделей.

    Процесс моделирования часто применяется при решении сложных проблем в управлении, так как позволяет избежать значительных трудностей и издержек при проведении экспериментов в реальной жизни. Основой моделирования является необходимость относительного упрощения реальной жизненной ситуации или события, вместе с тем это упрощение не должно нарушать основных закономерностей функционирования изучаемой системы.

    Типы моделей: физическая, аналоговая (организационная схема, график), математическая (использование символов для описания действия или объектов).

    Процесс построения моделей состоит из нескольких этапов: постановка задачи; построение модели; проверка модели на достоверность описания данного процесса, объекта или явления; применение модели; обновление модели в процессе исследования или реализации.

    Эффективность модели может быть снижена за счет ряда потенциальных погрешностей, к которым можно отнести недостоверные исходные допущения, информационные ограничения, непонимание модели самими пользователями, чрезмерная стоимость создания модели и т.п.

    Часто при моделировании применяется теория игр. Она первоначально разрабатывалась военными, чтобы учесть возможные действия противника. В бизнесе она применяется при моделировании поведения конкурента, особенно часто в связи с проблемами изменения ценовой политики.

    Модель теории очередей (модель оптимального обслуживания). Эта модель используется для определения оптимального числа каналов обслуживания по отношению к потребностям в этих каналах.

    Модель управления запасами. Эта модель часто используется для оптимизации времени исполнения заказов, а также для определения необходимых ресурсов и площадей для хранения той или иной продукции. Цель этой модели - свести к минимуму отрицательные последствия при накоплении или дефиците тех или иных запасов продукции или ресурсов.

    Модель линейного программирования. Эта модель применяется для определения оптимального распределения дефицитных ресурсов при наличии конкурирующих между собой потребностей.

    Имитационное моделирование. Часто применяется в ситуациях слишком сложных для использования математических методов (маркетолог может создать модель модификации покупательских потребностей в связи с изменением цен товаров на рынке, и их дизайна).

    Экономический анализ является одной из форм моделирования. Примером может служить экономический анализ эффективности той или иной фирмы.

Количественные методы прогнозирования.

    Их можно использовать для прогнозирования, когда деятельность фирмы в прошлом имела определенные тенденции, которые можно и необходимо продолжить в будущем, а информации для выявления тенденций в рассматриваемом периоде прогнозирования недостаточно.

    Одним из методов такого прогнозирования является анализ временных рядов. Он основан на допущении, что на закономерностях прошлого можно прогнозировать будущее. Этот метод выявляет тенденции прошлого и проецирует их в будущее.

    Причинно-следственный метод применяется в ситуациях, когда имеется несколько неизвестных. Это исследование статистической зависимости между рассматриваемым фактором и другими переменными.

Другие качественные методы прогнозирования.

    Мнение жюри. Его суть состоит в соединении и усреднении мнений экспертов в данной области.

    Метод исследования информации сбытовиков, то есть когда торговые агенты на основе своего опыта предсказывают спрос на определенном целевом рынке.

    Модель ожиданий. Она базируется на опросе потребителей и обобщении их мнений.

    Метод Дельфи. Суть его заключается в том, что эксперты заполняют специальные опросчики по рассматриваемой проблеме. Каждый из них индивидуально формирует свой прогноз. Затем эти прогнозы передаются всем экспертам, принимающим участие в обсуждении. Они знакомятся с мнением коллег, и возможно, корректируют свой предшествующий прогноз на базе новых идей или информации. Эта процедура повторяется три-четыре раза, пока в конечном итоге все эксперты не придут к единому мнению.

    "Байесовский подход", базирующийся на известной теореме Байеса - используется при решение задачи в условиях неопределенности (когда то или иное действие или оба действия приводят к множеству возможных частных исходов, но вероятности этих исходов неизвестны) 
 
 

    2. КЛАССИФИКАЦИЯ МОДЕЛЕЙ РЕШЕНИЯ В ПРОЦЕССЕ УПРАВЛЕНИЯ 

2.1 Основные виды моделей принятия решений 

    Физическая модель представляет то, что исследуется, с помощью увеличенного или уменьшенного описания объекта или системы. Как указывает Шеннон: «Отличительная характеристика физической (называемой иногда «портретной») модели состоит в том, что в некотором смысле она выгладит как моделируемая целостность».

    Примеры физической модели — синька чертежа завода, ею уменьшенная фактическая модель, уменьшенный в определенном масштабе чертеж проектировщика. Такая физическая модель упрощает визуальное восприятие и помогает установить сможет ли конкретное оборудование физически разместиться в пределах отведенного для сто места, а также разрешить сопряженные проблемы. Например, размещение дверей, ускоряющее движение людей и материалов. Автомобильные и авиационные предприятия всегда изготавливают физические уменьшенные копии новых средств передвижения, чтобы проверить определенные характеристики типа аэродинамического сопротивления. Будучи точной копией, модель должна вести себя аналогично разрабатываемому новому автомобилю или самолету, Но при этом стоит она много меньше настоящего. Подобным образом строительная компания всегда строит миниатюрную модель, прежде чем начать строительство производственного или административного корпуса или склада. Аналоговая модель представляет исследуемый объект аналогом, который ведет себя как реальный объект, но не выглядит как таковой. Пример аналоговой модели — организационная схема. Выстраивая ее, руководство в состоянии легко представить себе цепи прохождения команд и формальную зависимость между индивидами и деятельностью. Такая аналоговая модель явно более простой и эффективный способ восприятия и проявления сложных взаимосвязей структуры крупной организации, чем скажем составления перечня взаимосвязей всех работников.

    В математической модели, называемой также символической, используются символы для описания свойств или характеристик объекта или события. Пример математической модели и аналитической ее силы как средства, помогающего нам понимать исключительно сложные проблемы, — известная формула Эйнштейна Е = тс² . Если бы Эйнштейн не смог построить эту математическую модель, в которой символы заменяют реальность, маловероятно, чтобы у физиков появилась даже отдаленная идея о взаимосвязи материи и энергии.

    Построение модели: после правильной постановки задачи следующим этапом процесса предусмотрено построение модели. Разработчик должен определить главную цель модели, какие выходные нормативы или информацию предполагается получить, используя модель, чтобы помочь руководству разрешить стоящую перед ним проблему. Если продолжить приведенный выше пример, нужная выходная информация должна представлять точные нормативы времени и количества подлежащих заказу исходных материалов и запасных частей.

    Проверка модели на достоверность: после построения модели ее следует проверить на достоверность. Один из аспектов проверки заключается в определении степени соответствия модели реальному миру. Специалист по науке управления должен установить — все ли существенные компоненты реальной ситуации встроены в модель. Это, конечно, может оказаться непростым делом, если задача сложна. Проверка многих моделей управления показала, что они несовершенны, поскольку не охватывают всех релевантных переменных. Естественно, чем лучше модель отражает реальный мир, тем выше ее потенциал как средства оказания помощи руководителю в принятии хорошего решения, если предположить, что модель не слишком сложна в использовании.

    Второй аспект проверки модели связан с установлением степени, в которой информация, получаемая с ее помощью, действительно помогает руководству совладать с проблемой.

    Применение модели: после проверки на достоверность модель готова к использованию. Как говорит Шеннон, ни одну модель науки управления «нельзя считать успешно выстроенной, пока она не принята, не понята и не применена на практике» Это кажется очевидным, но зачастую оказывается одним из самых тревожных моментов построения модели. Согласно одному обследованию отделов, анализирующих операции на корпоративном уровне, лишь около 60% моделей науки управления были использованы в полной или почти полной мере.

    В других обследованиях также установлено, что финансовые руководители американских корпораций и западноевропейские управляющие маркетингом недостаточно широко используют модели для принятия решений. Основная причина недоиспользования моделей руководителями, которые должны их применять, возможно заключается в том, что они их опасаются или не понимают.

    Недостоверные исходные допущения: любая модель опирается на некоторые исходные допущения или предпосылки. Это могут быть поддающиеся оценке предпосылки, например, что расходы на рабочую силу в следующие шесть месяцев составят 200 тыс. долл. Такие предположения можно объективно проверить и просчитать. Вероятность того, что они точны, будет высока. Некоторые предпосылки не поддаются оценке и не могут быть объективно проверены. Предположение о росте сбыта в будущем году на 10% — пример допущения, не поддающегося проверке.

Никто не знает наверняка, произойдет ли это действительно. Поскольку такие предпосылки являются основой модели, точность последней зависит от    точности    предпосылок.    Модель    нельзя    использовать    для прогнозирования, например, потребности в запасах, если неточны прогнозы сбыта на предстоящий период.

    В дополнение к допущениям по поводу компонентов модели, руководитель формулирует предпосылки относительно взаимосвязей внутри нее. К примеру, модель, предназначенная помочь в решении о том, сколько галлонов краски разных типов следует производить, должна, вероятно, включать допущение относительно зависимости между продажной ценой и прибылью, а также стоимостью материалов и рабочей силы. Точность модели зависит также от точности этих взаимосвязей.

    Информационные ограничения: основная причина недостоверности предпосылок и других затруднений — это ограниченные возможности в получении нужной информации, которые влияют и на построение, и на использование моделей. Точность модели определяется точностью информации по проблеме. Если ситуация исключительно сложна, специалист по науке управления может быть не в состоянии получить информацию по всем релевантным факторам или встроить ее в модель. Если внешняя среда подвижна, информацию о ней следует обновлять быстро, но это может быть нереализуемым или непрактичным.

    Иногда при построении модели могут быть проигнорированы существенные аспекты, поскольку они не поддаются измерению. Например, модель определения эффективности новой технологии будет некорректной, если в нее встроена только информация о снижении издержек в соответствии с увеличением специализации. Как показано на примере угольной шахты в гл. 3, трудно предсказуемое и измеряемое воздействие психологических установок рабочих также отражается на производительности. Если рабочим не нравится новый процесс, то рост издержек по причине прогулов, высокая текучесть кадров и заторы на производственных линиях могут помешать приросту производительности.

    В общем, построение модели наиболее затруднительно в условиях неопределенности. Когда необходимая информация настолько неопределенна, что ее трудно получить, исходя из критерия объективности, руководителю, возможно, целесообразнее положиться на свой опыт, способность к суждению, интуицию и помощь консультантов.

Причины, по которым может быть снижена эффективность моделей:

    Как все средства и методы, модели науки управления могут привести к ошибкам. Эффективность модели может быть снижена действием ряда потенциальных погрешностей. Наиболее часто встречающиеся недостоверные исходные допущения, ограниченные возможности получения нужной информации, страхи пользователя, слабое использование на практике, чрезмерно высокая стоимость. Это наиболее общие проблемы моделирования.