- •Вопросы к экзамену эмм 2014/2015
- •Предметная область курса. Что изучается в рамках дисциплины?
- •Роль и возможности моделирования в решении задач управления распределением в логистике.
- •1)Запасы задачи:
- •Роль и возможности эмм в принятии решений.
- •Роль и значение эмм в управлении логистической компанией.
- •Классификация методов прогнозирования.
- •Метод наименьших квадратов (мнк) в задачах прогнозирования.
- •1.Интерполяция – экстраполяция
- •2) Модель - Выбор модели
Роль и возможности эмм в принятии решений.
МОДЕЛИ В ЛОГИСТИКЕ:
1) Функциональные и функционально- структурные:
- 3 PL (Third Party Logistics) 3-я сторона в логистике
Поставщик – Логистический оператор – Потребитель
- 4 PL (Forth Party Logistics) 4-я сторона в логистике
2) Процессные:
SCOR – Supply Chain Operation Reference (model)
Рекомендуемая модель
ЦП Планирование поставками на принципах аутсорсинга )
НЕОБХОДИМОСТЬ частого реинжиниринга:
Жизненный цикл товаров сократился в 2 - 2.5 раза за последние 7-8 лет!
SCOR - Рекомендуемые модели действий (операций) в цепях поставок:
Широкий спектр стандартных процедур, позволяющих организовать эффективное управление поставками, включая планирование, закупку и доставку товаров, налаживание связей между поставщиками сырья, производителями и конечными потребителями
ОЦЕНОЧНЫЕ ТЕХНОЛОГИИ:
1)KPI – Key Performance Indicators - Ключевые индикаторы (показатели) эффективности деятельности
Показатели экономического и натурального характера.
Измерители деятельности компании
2) TCO – Total Cost of Ownership - Совокупная стоимость владения
3) ROI – Return on Investment - Отдача на инвестиции
4) TVO – Total Value of Opportunity - Совокупная ценность (для потребителя)
АНАЛИТИЧЕСКИЕ ТЕХНОЛОГИИ:
1) OLAP - On Line Analytical Processing – Интерактивный анализ данных. Технология анализа информации, хранящейся в базах и хранилищах данных компании
(Ранжирование, фильтрация, тренды, прогнозы и пр.)
2) Многомерный OLAP
ПРОГНОЗИРОВАНИЕ ПОКАЗАТЕЛЕЙ:
1)DW- Data Warehouse – Хранилище данных. Система долгосрочного хранения плохо упорядоченных, нестрого структурированных данных большого объема, генерируемых КИС
2) DM - Data Mining – Распознавание данных. Технология поиска, распознавания, извлечения и представления важной для пользователя информации (обычно стратегического характера) из хранилищ данных
3) KB - Knowledge Base– База знаний. Количественная и качественная (логическая, структурная) информация о предметной области. Описания функций, процессов, инструкций и правил возможных преобразований данных в этой области
4) KM - Knowledge Management – Управление знаниями. Методы и средства приобретения, преставления и пополнения знаний о предметной области
5) ES (ЭС) - Expert System – Экспертная система. ИС искусственного интеллекта для решения неформализованных задач, а также для разрешения проблемных ситуаций
ИНСТРУМЕНТЫ АВТОМАТИЗАЦИИ ЭМ-РАСЧЕТОВ И МОДЕЛИРОВАНИЯ:
1) EXCEL - «Анализ данных» - статистические расчеты прогнозирование
«Поиск решения» - решение задач оптимизации
Дополнительно поставляемые библиотеки:
Crystal Ball – оптимизация +
Оптимизация местоположения торговых центров
1) MathCad - Визуальное проектирование вычислений
Практически вся современная математика:
- прогнозирование
- оптимизация
- дифференциальное и интегральное исчисление
- графика и др.
2) MathLab Maple - Математическое ПО универсального класса с инструментальными средствами для программирования.
Для сложных математических расчетов и моделирования
3) Statistica
SPSS
Statgraphics
и др. - Полный набор инструментов для решения задач математической статистики и прогнозирования
Инструментарий для прогнозирования и классификации.
1)Forecasting - Прогнозирование. Прогнозирование по временным рядам с использованием разных моделей, включая вариант автоматического выбора модели. Прогноз с доверительными границами на заданное упреждение
2) Time-Series Analysis - Анализ временных рядов. Специальный раздел с инструментами обработки данных, представленных в виде динамических рядов. Автокорреляция, декомпозиция, прогнозирование, спектральный анализ.
3) Smoothing - Сглаживание. Экспоненциальное, простое и взвешенное скользящее среднее. Линейные и квадратичные модели Брауна, двухпараметрическая модель Хольта со сглаживанием тренда, трехпараметрическая модель Уинтерса (сглаживание с учетом сезонности)
4) Seasonal Decomposition - Сезонная декомпозиция временного ряда (аддитивная или мультипликативная): тренд, сезонная и случайная компоненты
5) ARIMA – Autoregressive Integration Moving Average - Модель авторегрессии с интегрированным скользящим средним (модель Бокса-Дженкинса). Прогнозирование с учетом сглаживания сезонных и несезонных компонент временного ряда
6) Cluster Analysis - Кластерный анализ. Объединение (разделение) объектов в группы (классы) на основе анализа характеризующих их факторов. Имеются разные модели оценки сходства (близости).
АНАЛИТИЧЕСКИЕ СИСТЕМЫ И МОДЕЛИРОВАНИЕ:
1) Model_Vision Studium - Расширенная библиотека численных методов общего назначения, возможность работы с проектом, записанным в текстовом формате
2) Modelica - Моделирование систем
3) Extend, Arena, AnyLogic - Имитационное моделирование и оптимизация
4) ILOG - Моделирование и оптимизация
5) Crystal Ball- Библиотека моделирования и оптимизации для Excel
6) OptTek Systems, Inc. - Оптимизация и моделирование
7) SimFlex - Автоматизация, проектирование и оптимизация цепей поставок
(Визуальные технологии проектирования)
8) SimFlex. Проектирование глобальной цепи поставок: анализ сценариев
