WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

   Добро пожаловать!

Pages:     | 1 |   ...   | 3 | 4 || 6 | 7 |   ...   | 13 |

Группа величин Yi, Y, Y неявно характеризует дополнительные размеры резерва мощностей и дополнительные запасы производственных ресурсов, которые необходимы предприятию для обеспечения оптимального уровня результатов деятельности.

Указанные величины также войдут в целевую функцию с учетом оценки важности (значимости) каждой из них в достижение конечного результата, которая достаточно точно может быть получена только экспертным путем.

Следует отметить, что система оптимизационных детерминированных моделей планирования обладает существенными недостатками. С их помощью можно формировать только такие плановые решения, которые чаще всего не смогут быть полностью выполненными. Планы производства, построенные на использовании решений названных моделей, как правило, будут иметь нулевую (или близкую к нулю) вероятность их выполнения в заданные сроки из-за случайных отклонений фактических расходов ресурсов от их запланированных значений и в силу других случайных возмущений.

Кроме того, в условиях развитой рыночной экономики при составлении плана производства на предприятии главным является правильный прогноз объема продаж продукции предприятия с учетом прогнозов спроса на продукцию данного предприятия и ожидаемых по прогнозу возможностей предприятия по производству определенных видов изделий в планируемом периоде (для некоторых предприятий, изготовляющих продукцию, всегда пользующуюся спросом на рынке, главным будет прогноз объема закупок основных материальных ресурсов).

Таким образом, возникает проблема получения и обработки прогнозной информации, которая характеризуется значительной неопределенностью.

Различают следующие виды неопределенности:

1) объективная неопределенность ("природы");

2) неопределенность из-за отсутствия достаточной информации;

3) стратегическая неопределенность, вызванная зависимостью от других субъектов рынка;

4) неопределенность, порожденная слабоструктурируемыми проблемами;

5) неопределенность, вызванная нечеткостью как процессов и явлений, так и информации, их описывающей;

6) перспективная неопределенность (появление непредусмотренных факторов);

7) ретроспективная неопределенность (отсутствие информации о поведении объекта в прошлом);

8) техническая неопределенность – невозможность предсказать результаты принимаемых решений;

9) стохастическая неопределенность;

10) неопределенность целей;

11) неопределенность условий.

Опыт позволяет устанавливать те или иные вероятностные характеристики параметров задачи планирования. Однако эти задачи, очевидно, связаны с риском.

Риск – это деятельность, связанная с преодолением неопределенности в ситуации неизбежного выбора, в процессе которой имеется возможность количественно и качественно оценить вероятность достижения предполагаемого результата, неудачи и отклонения от цели. Основными причинами неопределенности и, следовательно, источниками риска являются:

а) спонтанность природных процессов и явлений, стихийные бедствия;

б) случайность социально-экономических процессов;

в) наличие противоборствующих тенденций, столкновение противоречивых интересов;

г) вероятностный характер научно-технического прогресса;

д) недостаток информации об объекте, явлении или процессе.

Для полной характеристики понятия "риск" целесообразно выявить понятие "ситуация риска", под которой следует понимать сочетание, совокупность различных обстоятельств и условий, создающих определенную обстановку для того или иного вида деятельности. Ситуации риска сопутствуют три соответствующих условия:

• наличие неопределенности;

• наличие и необходимость выбора альтернативы;

• возможность оценить вероятность выбираемых альтернатив;

Бывают случаи в планировании, когда трудно устанавливать даже вероятностные характеристики некоторых параметров задачи. Такие задачи относятся к весьма неопределенным.

Ситуация полной неопределенности характеризуется тем, что выбор конкретного плана действий может привести к любому исходу из фиксированного множества альтернатив, но вероятности исходов неизвестны.

Количественные методы решения подобных задач планирования будут иметь весьма невысокую эффективность в обозримом будущем. Поэтому в дальнейшем нами будут анализироваться и решаться только задачи планирования, связанные с риском, для решения которых в настоящее время уже можно эффективно использовать количественные методы.

Рассмотрим и проанализируем возможность использования и качество получаемых решений для различных типов моделей.

Для анализа и решения задач планирования производства, с нашей точки зрения, целесообразно использование стохастических (недетерминированных) моделей, которые по числу целевых функций подразделяются на однокритериальные и многокритериальные.

Данный класс моделей предполагает, что переменные и система ограничений являются случайными величинами, которые могут существенно отличаться от их средних значений.

Решения этих моделей позволяют оценить: какие виды производственных ресурсов надо увеличить и насколько увеличить с тем, чтобы обеспечить заранее заданную вероятность выполнения оптимального плана производства на данном предприятии, сформированного с помощью решения соответствующей оптимизационной детерминированной модели.

с Предположим, что tij является случайной величиной, характеризуемой средним значением, дисперсией и плотностью распределения. Указанные характеристики можно рассчитать на основе отчетных данных предприятия за ряд прошлых лет.

В этом случае для реализации оптимального плана, полученного в результате решения модели, может потребоваться больший фонд рабочего времени для данного вида оборудования. Это потребует введения сверхурочных работ, наличия резервного оборудования либо применения других организационно-технических мероприятий.

Стохастические модели планирования по учету в них фактора времени делятся на два вида: одноэтапные (одношаговые) и многоэтапные (многошаговые).

Одношаговые модели представляют собой естественные стохастические аналоги детерминированных статических моделей, в которых динамика поступления исходной информации не играет роли, а решения принимаются один раз или если принимаются несколько решений, то предыдущее решение не влияет на последующие.

К многошаговым относят те задачи и соответствующие им модели, в которых принимаются два и более решений в различные моменты времени и которые обладают тем свойством, что на последующие решения могут влиять не только решения, принятые ранее, но и некоторые стохастические параметры.

В свою очередь одноэтапные модели по характеру ограничений подразделяются на модели трех видов:

- с жесткими ограничениями, - с вероятностными ограничениями, - со смешанными ограничениями.

Модели, в которых ограничения задачи планирования должны выполняться при всех реализациях параметров (величин), относятся к моделям с жесткими ограничениями.

В некоторых случаях постановки таких задач планирования могут не иметь смысла, так как множество точек, удовлетворяющих ограничениям задачи при всех реализациях плана, может оказаться пустым, т.е. задача в таких случаях не имеет решения.

Однако во многих стохастических задачах планирования (обычно связанных с повторяющимися ситуациями) нет необходимости в том, чтобы все ограничения удовлетворялись при каждой реализации плана. Затраты на накопление информации и другие затраты по ликвидации невязок в условиях задачи могут превышать достигаемый при этом эффект. Часто ведь требуется лишь то, чтобы вероятность попадания решения в допустимую область превышала некоторое число р > 1/2.

В тех случаях, когда возможные невязки в отдельных условиях задачи вызывают различный ущерб, целесообразно подходить дифференцированно к разным условиям этой задачи. Подобные модели называют моделями с вероятностными ограничениями.

В качестве критериальной функции в таких моделях обычно выбирают математическое ожидание реализации значения избранного показателя (или показателей для случая многокритериальной оптимизации) или вероятность превышения случайного значения критерия некоторого заданного значения.

Для моделей со смешанными ограничениями характерно наличие как вероятностных, так и жестких ограничений.

В каждой отдельной задаче управления производством в условиях неполной или недостоверной информации процесс выбора адекватной ей стохастической модели связан с неформальным экономическим анализом и определяется конкретным содержанием объекта планирования.

Развитие методов решения этих задач идет в основном по трем направлениям:

- для одних стохастических моделей строятся эквивалентные (равноценные) детерминированные модели и, разумеется, используются известные методы вычислительной математики (в частности методы математического программирования);

- для других моделей разрабатываются специальные методы, использующие теоретикомножественную интерпретацию стохастических задач;

- для третьих – используют методы, основанные на принципах стохастической аппроксимации и ее обобщений.

Значительный интерес представляет ситуация в планировании, когда суммарное значение фактора (например, суммарные затраты времени в станко-часах для конкретного вида оборудования), выступающего в качестве ограничения, достаточно для выполнения оптимального плана, однако план может быть не выполнен из-за недостатка именно этого фактора. Такая ситуация возможна даже при достоверном значении величины фактора.

Это может произойти в том случае, когда в некоторых временных отрезках планируемого периода при выполнении производственной программы оборудование данного вида будет значительно недоиспользовано, в то время как в других временных интервалах при выполнении плана будет ощущаться значительный недостаток фонда рабочего времени этой же группы оборудования. На основе вышеизложенного можно заключить, что для формирования достаточно надежного годового плана производства на предприятии целесообразнее использовать динамическую информацию и, следовательно, динамические экономико-математические модели.

Детерминированная динамическая модель оптимизации текущего годового плана производства на машиностроительном предприятии сформулирована в виде многокритериальной линейной математической модели. Следует при этом добавить в систему ее критериальных функций математические функции, выражающие величину экономического ущерба, наносимого предприятием в результате загрязнения окружающей среды, связанного с его деятельностью, и другие функции, выражающие социальноэкономические и экологические показатели.

Применение оптимизационных моделей планирования как детерминированных, так и стохастических является пока в настоящее время малоэффективным мероприятием. Это объясняется быстротой и сложностью протекающих процессов, трудностью сбора и своевременной обработки достоверной информации.

Анализ используемых моделей для целей планирования на предприятии позволяет сделать вывод, что для оперативного управления наиболее приемлемы вероятностные многокритериальные модели, позволяющие значительно повысить надежность получаемых оптимальных планов и в то же время снизить трудоемкость процесса оптимизации планирования.

2.2 РАЗРАБОТКА СТОХАСТИЧЕСКОЙ МОДЕЛИ ФОРМИРОВАНИЯ ОПЕРАТИВНОГО ПЛАНА ПРОИЗВОДСТВА И ОЦЕНКИ РИСКА Планирование производственной программы основано на выявлении качественных и количественных характеристик структуры выпуска. Качественными переменными являются виды изделий, количественными – объемы выпуска.

Для устранения влияния постоянных расходов необходимо использовать в качестве критерия оптимальности маржинальную прибыль (вклад и покрытие), при этом целевая функция может быть записана при помощи показателя удельной маржинальной прибыли.

В традиционной постановке задача планирования производственной программы по критерию максимизации маржинальной прибыли имеет вид:

J F = x max ;

m j j j=x 0, j = 1,..., J, j где mj – сумма покрытия j-гo изделия; Xj – объем производства j-гo изделия; J – количество видов изделий.

В математических моделях линейного программирования коэффициенты целевых функций и ограничения принимаются в виде констант. Данный подход возможен лишь в идеальной ситуации, в реальных условиях планирования производственной программы следует перейти к случайным величинам и, следовательно, к нелинейным моделям.

Для задачи максимизации маржинальной прибыли случайными величинами являются: маржинальная прибыль, коэффициенты использования ресурсов и ограничения по ресурсам. На величину маржинальной прибыли влияют факторы, связанные с ценообразованием: уровень инфляции, кривые спроса и предложения, объем затрат предприятия и конкурентов и другие. Можно выделить внутренние (CV), связанные с затратами, и внешние факторы (P), обусловленные емкостью рынка в условиях рыночной экономики.

Коэффициенты использования ресурсов определяются технологией производства и чаще всего случайными не являются, хотя и допускаются технологические отклонения. Случайный характер ограничений на ресурсы связан с неравномерностью поставок сырья и материалов, ценами на ресурсы, сезонными и другими факторами.

На практике обычно принимают, что случайные величины подчиняются нормальному закону распределения, заданному математическим ожиданием и дисперсией.

Математическое ожидание случайной величины х определяет ее среднее значение:

n M [ x]= xi.

n i=Среднее квадратическое отклонение ( [х]) определяет разброс значений случайной величины относительно ее математического ожидания:

n - M [ x]) (xi i=[ x]=.

n -Нормальный закон распределения случайной величины характеризуется плотностью и функцией распределения.

График плотности распределения показывает наиболее вероятные значения случайной величины.

Плотность распределения рассчитывается по формуле (x-M [ x])f (x) = e.

Функция распределения дает возможность определить вероятность появления случайной величины в заданном диапазоне значений. Функция распределения имеет вид:

x F ( x)= f ( x)dx.

Стохастическая постановка целевой функции может быть двух видов: М-постановка и Рпостановка. При Р-постановке осуществляется максимизация вероятности получения максимального (минимального) значения. При М-постановке случайная величина заменяется ее математическим ожиданием, и задача сводится к оптимизации детерминированной целевой функции. В работе рассматривается М-постановка.

Детерминированный аналог задачи максимизации маржинальной прибыли имеет вид:

J M [F]= [mj]x max ;

M j j =J [bij] + t ()Wi M [Bi];

M x j j =J Wi = [bij] x2 + 2 [Bi];

j j=x 0, j = I,..., J;

j i =1,..., I;

Pages:     | 1 |   ...   | 3 | 4 || 6 | 7 |   ...   | 13 |



© 2011 www.dissers.ru - «Бесплатная электронная библиотека»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.