- •Определение управленческого решения (ур) и основные требования к нему
- •Классификация управленческих решений
- •Основные этапы разработки и принятия ур
- •По Минцбергу :
- •Методы диагностики проблем
- •Контрольные листы
- •Причинно-следственные диаграммы
- •Метод шести слов
- •Качественные методы разработки ур
- •Дискуссионные методы (метод комиссий, метод суда, метод мозгового штурма), их преимущества и недостатки
- •2.3.9.1. Метод комиссий
- •2.3.9.2. Метод суда
- •2.3.9.3. Мозговой штурм (описан выше)
- •Преимущества дискуссионных методов:
- •Недостатки дискуссионных методов:
- •Анкетные методы (метод ранжирования, метод парных сравнений, метод экспертной классификации, метод Дельфи), их преимущества и недостатки
- •2.3.10.1. Метод ранжирования
- •2.3.10.2. Метод парных сравнений
- •2.3.10.3. Метод экспертной классификации
- •2.3.10.4. Метод Дельфи
- •Преимущества анкетных методов:
- •Недостатки анкетных методов:
- •Метод номинальных групп (мнг)
- •Типичные ошибки, связанные с применением экспертных методов разработки ур
- •Основные эффекты, возникающие при руре в группе:
- •Подходы к выбору решения в группе:
- •Количественные методы разработки и принятия решений
- •Преимущества:
- •Недостатки:
- •Классификация управленческих задач, решаемых с помощью экономико-математического моделирования
- •2.3.14. Задачи формирования производственной программы и распределения ресурсов
- •Методы сетевого планирования и управления
- •Анализ методом критического пути
- •Проблема распределения ресурсов
- •Выбор решения в условиях многокритериальности:
- •Критерий Лапласа
- •Минимаксный критерий
- •Критерий Сэвиджа
- •Принятие ур в условиях риска и неопределенности
- •Источники рисков в бизнесе
- •Методы предотвращения и уменьшения рисков
- •Методы разработки и принятия решений в условиях риска и неопределенности (дерево решений, матрица решений, методы теории игр, метод Монте-Карло)
- •Матрица решений
- •Дерево решений
- •Методы теории игр
- •Использование методов имитационного моделирования при разработке ур в условиях риска и неопределенности
- •Метод Монте-Карло
Метод Монте-Карло
Имитационное моделирование осуществляется в 5 этапов:
Выбор критериев, по которому будет выбираться альтернатива
Выявление наиболее важных факторов, источников риска
Разработка модели, связь целевой функции и выбранных факторов
Сбор информации относительно закона распределения выбранных случайных факторов
Имитация-реализация модели:
5.1 Установление распределения вероятности для случайных величин
5.2 Построение интегрального (кумулятивного, с нарастающим итогом, суммарного) распределения вероятности для всех случайных величин
5.3 Установление интервала случайных чисел для всех переменных
5.4 Генерация случайных чисел
5.5 Имитация путем большого количества попыток
6. Анализ результатов
Алгоритм:
Определить случайные переменные, влияющие на модель
Присвоить переменным дискретные значения
Рассчитать вероятность для каждого дискретного значения переменной
Рассчитать кумулятивную вероятность
Выписать интервалы случайных чисел для переменных
Построить модель, включающую в себя случайные числа и исходы для каждой переменной
Проиграть в полученной модели необходимое количество экспериментов и получить статистику исходов
Недостатки:
Громоздкость, требует большого количества времени
Не находим оптимального решения, а находим более или менее удачное решение, двигаясь на ощупь.
Спрос на автомобили:
Спрос |
Частота |
Вероятность |
Сумма вероятностей |
Интервалы случайных величин |
0 |
5 |
0,05 |
0,05 |
00-04 |
1 |
10 |
0,1 |
0,15 |
05-14 |
2 |
20 |
0,2 |
0,35 |
15-34 |
3 |
30 |
0,3 |
0,65 |
35-64 |
4 |
20 |
0,2 |
0,85 |
65-84 |
5 |
15 |
0,15 |
1,00 |
85-99 |
|
100 |
1,00 |
|
|
Каждый шар можно вынуть с одной вероятность.
Далее разыгрываем спрос на последующие 4 дня:
День |
Случайное число |
Спрос |
1 |
52 |
3 |
2 |
37 |
3 |
3 |
82 |
4 |
4 |
69 |
4 |
Средний спрос = 4,25 авто в день. Такие розыгрыши проводятся несколько раз, обычно на компьютере. Более 60% компаний используют этот метод на практике.