Економічна інформатика

Матеріал з Вікіпедії — вільної енциклопедії.
Перейти до: навігація, пошук

Економічна інформатика - складова інформатики, напрям наукових досліджень повязаних із інформатизацією в економічних системах

Етапи рішення.

  1. Вибір завдання
  2. Складання моделі
  3. Складання алгоритму
  4. Складання програми
  5. Введення вихідних даних
  6. Аналіз отриманого розв'язку

Щоб людині прийняти рішення без ЕОМ, найчастіше нічого не треба. Подумав і вирішив. Людина, добре чи погано, вирішує всі виникаючі перед ним завдання. Правда ніяких гарантій правильності при цьому немає. ЕОМ ж ніяких рішень не приймає, а тільки допомагає знайти варіанти рішень. Цей процес складається з наступних етапів:

1. Вибір завдання.

Рішення завдання, особливо досить складною — досить важка справа, що вимагає багато часу. І якщо завдання обрана невдало, то це може призвести до втрати часу і розчарування в застосуванні ЕОМ для прийняття рішень. Яким же основним вимогам повинна задовольняти завдання?

A. Має існувати як мінімум один варіант її рішення, адже якщо варіантів рішення немає, значить вибирати нема з чого.

B. Треба чітко знати, в якому сенсі шукане рішення має бути найкращим, адже якщо ми не знаємо чого хочемо, ЕОМ допомогти нам вибрати найкраще рішення не зможе.

Вибір завдання завершується її змістовної постановкою. Необхідно чітко сформулювати завдання на звичайній мові, виділити мета дослідження, вказати обмеження, поставити основні питання на які ми хочемо отримати відповіді в результаті рішення задачі.

Тут слід виділити найсуттєвіші риси економічного об'єкта, найважливіші залежності, які ми хочемо врахувати при побудові моделі. Формуються деякі гіпотези розвитку об'єкта дослідження, вивчаються виділені залежності та співвідношення. Коли вибирається завдання і проводиться її змістовна постановка, доводиться мати справу з фахівцями в предметної області (інженерами, технологами, конструкторами і т. д.). Ці фахівці, як правило, чудово знають свій предмет, але не завжди мають уявлення про те, що потрібно для розв'язання задачі на ЕОМ. Тому, змістовна постановка задачі найчастіше виявляється перенасиченої відомостями, які зовсім зайві для роботи на ЕОМ.

2. Складання моделі

Під економіко-математичної моделлю розуміється математичний опис досліджуваного економічного об'єкта або процесу, при якому економічні закономірності виражені в абстрактному вигляді за допомогою математичних співвідношень. Основні принципи складання моделі зводяться до таких двох концепціям:

  • 1. При формулюванні завдання необхідно досить широко охопити модельований явище. В іншому випадку модель не дасть глобального оптимуму і не буде відображати суть справи. Небезпека полягає в тому, що оптимізація однієї частини може здійснюватися за рахунок інших і на шкоду загальної організації.
  • 2. Модель повинна бути настільки проста, наскільки це можливо. Модель повинна бути така, щоб її можна було оцінити, перевірити і зрозуміти, а результати отримані з моделі повинні бути ясні, як її творцю, так і особі, що приймає рішення.

На практиці ці концепції часто вступають у конфлікт, перш за все через те, що у збір і введення даних, перевірку помилок та інтерпретацію результатів включається людський елемент, що обмежує розміри моделі, яка може бути проаналізована задовільно. Розміри моделі використовуються як фактор, що лімітує, і якщо ми хочемо збільшити широту обхвату, то доводиться зменшувати деталізацію і навпаки.

Введемо поняття ієрархії моделей, де широта охоплення збільшується, а деталізація зменшується в міру того, як ми переходимо на вищі рівні ієрархії. На вищих рівнях у свою чергу формуються обмеження і цілі для нижчих рівнів.

При побудові моделі необхідно враховувати також і тимчасової аспект: горизонт планування в основному збільшується із зростанням ієрархії. Якщо модель довгострокового планування всієї корпорації може містити мало щоденних поточних деталей то модель планування виробництва окремого підрозділу складається в основному з таких деталей.

При формулюванні завдання необхідно враховувати такі три аспекти:

1. Досліджувані фактори: Цілі дослідження визначені досить вільно і у великій мірі залежать від того, що включено в модель. У цьому відношенні Легше інженерам, так як досліджувані фактори у них зазвичай стандартні, а цільова функція виражається у термінах максимуму доходу, мінімуму витрат або, можливо, мінімуму споживання якого-небудь ресурсу. У той же час соціологи, приміром, звичайно задаються метою «суспільної корисності» або в цьому роді і опиняються в складному становищі, коли їм доводиться приписувати певну «корисність» різним діям, висловлюючи її в математичній формі.

2. Фізичні кордону: Просторові аспекти дослідження вимагають детального розгляду. Якщо виробництво зосереджено більш як в одній точці, то необхідно врахувати в моделі відповідні розподільні процеси. Ці процеси можуть включати складування, транспортування, а також задачі календарного планування завантаження обладнання.

3. Часові межі: Тимчасові аспекти дослідження приводять до серйозної дилемі. Зазвичай горизонт планування добре відомий, але треба зробити вибір: Або моделювати систему в динаміці, з тим, щоб отримати тимчасові графіки, або моделювати статичне функціонування в певний момент часу.

Якщо моделюється динамічний (багатоетапний) процес, то розміри моделі збільшуються відповідно до числа розглянутих періодів часу (етапів). Такі моделі зазвичай ідейно прості, так що основна складність полягає скоріше в можливості вирішити задачу на ЕОМ за прийнятний час, ніж в умінні інтерпретувати великий обсяг вихідних даних. з Найчастіше буває досить побудувати модель системи в якийсь заданий момент часу, наприклад у фіксований рік, місяць, день, а потім повторювати розрахунки через певні проміжки часу. Взагалі, наявність ресурсів у динамічній моделі часто оцінюється приблизно і визначається факторами, що виходять за рамки моделі. Тому необхідно ретельно проаналізувати, чи дійсно необхідно знати залежність від часу зміни характеристик моделі, або той же результат можна отримати, повторюючи статичні розрахунки для ряду різних фіксованих моментів.

3. Складання алгоритму.

Алгоритм — це кінцевий набір правил, які дозволяють чисто механічно вирішувати будь-яку конкретну задачу з деякого класу однотипних задач. При цьому мається на увазі:

  • вихідні дані можуть змінюватися в певних межах: (Масовість алгоритму)
  • процес застосування правил до вихідних даних (шлях вирішення задачі) визначено однозначно: (детермінованість алгоритму)
  • на кожному кроці процесу застосування правил відомо, що вважати результатом цього процесу: (Результативність алгоритму)

Якщо модель описує залежність між вихідними даними і шуканими величинами, то алгоритм являє собою послідовність дій, які треба виконати, щоб від вихідних даних перейти до шуканим величинам. Зручною формою запису алгоритму є блок схема. Вона не тільки досить наочно описує алгоритм, але і є основою для складання програми. Кожен клас математичних моделей має свій метод рішення, який реалізується в алгоритмі. Тому дуже важливою є класифікація завдань за видом математичної моделі. При такому підході завдання, різні за змістом, можна вирішувати з допомогою одного і того ж алгоритму. Алгоритми задач прийняття рішень, як правило, настільки складні, що без застосування ЕОМ реалізувати їх практично неможливо.

4. Складання програми.

Алгоритм записують за допомогою звичайних математичних символів. Для того, щоб він міг бути прочитаний ЕОМ необхідно скласти програму. Програма — це опис алгоритму розв'язання задачі, заданий на мові ЕОМ. Алгоритми та програми поєднуються поняттям «математичне забезпечення». В наш час[Коли?] витрати на математичне забезпечення становлять приблизно півтори вартості ЕОМ, і постійно відбувається подальше відносне подорожчання математичного забезпечення. Вже сьогодні предметом придбання є саме математичне забезпечення, а сама ЕОМ лише тарою, упаковкою для нього.

Далеко не для кожного завдання необхідно складати індивідуальну програму. На сьогоднішній день створені потужні сучасні програмні засоби — пакети прикладних програм (ППП). ППП — це об'єднання моделі, алгоритму і програми. Найчастіше, до задачі можна підібрати готовий пакет, який чудово працює, вирішує багато завдань, серед яких можна знайти і наші. При такому підході багато завдань будуть вирішені досить швидко, адже не треба займатися програмуванням.

Якщо не можна використовувати ППП для вирішення завдання без зміни його або моделі, то потрібно або модель підігнати під вхід ППП, або доопрацювати вхід ППП, щоб у нього можна було ввести модель. Таку процедуру називають адаптацією. Якщо відповідний ППП знаходиться в пам'яті ЕОМ, то робота користувача полягає в тому, щоб ввести необхідні шукані дані і отримати необхідний результат.

5. Введення вихідних даних.

Перш ніж запровадити вихідні дані в ЕОМ, їх, природно, необхідно зібрати. Причому не всі наявні на виробництві вихідні дані, як це часто намагаються робити, а лише ті, які входять до математичної моделі. Отже, збір вихідних даних не тільки доцільно, а й необхідно проводити лише після того, як буде відома математична модель. Маючи програму і вводячи в ЕОМ вихідні дані, ми отримаємо рішення задачі.

6. Аналіз отриманого розв'язку

На жаль досить часто математичне моделювання змішують з одноразовим рішенням конкретної задачі з початковими, найчастіше недостовірними даними. Для успішного управління складними об'єктами необхідно постійно перебудовувати модель на ЕОМ, коректуючи вихідні дані з урахуванням зміниться обстановка. Недоцільно витрачати час і кошти на складання математичної моделі, щоб за нею виконати один єдиний розрахунок. Економіко-математична модель є прекрасним засобом отримання відповідей на широке коло питань, що виникають при плануванні, проектуванні і в ході виробництва. ЕОМ може стати надійним помічником при прийнятті щоденних рішень, що виникають у ході оперативного керування виробництвом.

Описові ОБМЕЖЕННЯ[ред.ред. код]

Ці обмеження описують функціонування досліджуваної системи. Вони становлять особливу групу балансових рівнянь, пов'язаних з характеристиками окремих блоків, такими як маса, енергія, витрати. Той факт, що в моделі лінійного програмування балансові рівняння повинні бути лінійними, виключає можливість подання таких принципово нелінійних залежностей, як складні хімічні реакції. Однак ті зміни умов функціонування, які допускають лінійне опис (хоча б наближено) можуть бути враховані в моделі. Балансові співвідношення можуть бути введені для якоїсь закінченої частини блок-схеми. У статичних (одноетапний) моделях такі співвідношення можна представити у вигляді:

  • Вхід вихід = 0

Динамічний (багатоетапний) процес описується співвідношеннями:

  • Вхід вихід накопичення = 0,

де під накопиченнями розуміється чистий приріст за розглянутий період.

Обмеження на ресурси і кінцеве споживання[ред.ред. код]

З цими обмеженнями ситуація досить ясна. У самому простому вигляді обмеження на ресурси — це обмеження зверху на змінні, що представляють витрата ресурсів, а обмеження на кінцеве споживання продуктів — це обмеження знизу на змінні, що представляють виробництво продукту. Обмеження на ресурси мають такий вигляд: Ai1X1 … AijXj … AinXn Bi, де Aij — витрата i-го ресурсу на одиницю Xj, j = 1 … n, а Bi — загальний обсяг наявного ресурсу.

Умови, встановлені ЗЗОВНІ[ред.ред. код]

Частина обмежень на систему можна розглядати як зовнішні. Так умови на якість продуктів встановлюються законодавчими органами. Аналогічно облік навколишнього середовища накладає обмеження на деякі властивості продуктів і на режим роботи підприємства і устаткування (наприклад на якість стічної води) що можна виразити як додаткові витрати.

Визначення цільових ФУНКЦІЇ[ред.ред. код]

Цільова функція моделі зазвичай складається з наступних компонент: 1) Вартість виробленого продукту. 2) Капіталовкладення в будівлі та обладнання. 3) Вартість ресурсів. 4) Експлуатаційні витрати і витрати на ремонт обладнання.

Класифікація економіко-математичних моделей[ред.ред. код]

Важливим етапом вивчення явищ предметів процесів є їхня класифікація, що виступає як система супідрядних класів об'єктів, що використовується як засіб для встановлення зв'язків між цими класами об'єктів. Основою класифікації є істотні ознаки об'єктів. Оскільки ознак може бути дуже багато то і виконані класифікації можуть значно відрізнятися один від одного. Будь-яка класифікація повинна переслідувати досягнення поставлених цілей. Вибір цілі класифікації визначає набір тих ознак, за якими будуть класифікуватися об'єкти, що підлягають систематизації. Мета нашої класифікації — показати, що завдання оптимізації, зовсім різні за своїм змістом, можна вирішити на ЕОМ за допомогою декількох типів існуючого програмного забезпечення.

Наведемо кілька прикладів класифікаційних ознак: 1. Область застосування 2. Зміст завдання 3. Клас математичної моделі

Найпоширенішими завданнями оптимізації виникають в економіці є задачі лінійного програмування. Така їхня поширеність пояснюється наступним: 1) З їхньою допомогою вирішують завдання розподілу ресурсів, до яких зводиться дуже велике число самих різних завдань 2) Розроблено надійні методи їхнього вирішення, які реалізовані в доступному програмному забезпеченні 3) Ряд складніших завдань зводиться до задач лінійного програмування

Математичне моделювання в управлінні і плануванні

Один з потужних інструментів який мають люди, відповідальні за управління складними системами — моделювання. Модель є представленням реального об'єкта, системи чи поняття в деякій формі, відмінній від форми їхнього фактичного реального існування. Зазвичай модель служить засобом, що допомагає в поясненні, розумінні або вдосконаленні. Аналіз математичних моделей дає в руки менеджерів та інших керівників ефективний інструмент, який може використовуватися для передбачення поведінки систем і порівняння отриманих результатів. Моделювання дозволяє логічним шляхом прогнозувати наслідки альтернативних дій і досить впевнено показує якого з них слід віддати перевагу.

Підприємство має у своєму розпорядженні деякими видами ресурсів, але загальні запаси ресурсів обмежені. Тому виникає важливе завдання: Вибір оптимального варіанту, що забезпечує досягнення мети з мінімальними витратами ресурсів. Таким чином ефективне керівництво виробництвом на увазі таку організацію процесу, при якій не тільки досягається мета, але і виходить екстремальне (MIN, MAX) значення деякого критерію ефективності:

К = F (X1, X2, …, Xn) -> MIN (MAX)

Функція К є математичним виразом результату дії, спрямованої на досягнення поставленої мети, і тому її називають цільовою функцією.

Функціонування складної виробничої системи завжди визначається великим числом параметрів. Для отримання оптимального рішення частину цих параметрів потрібно звернути в максимум, а інші в мінімум. Виникає питання: чи існує взагалі таке рішення, яке найкращим чином задовольняє всім вимогам відразу? Можна впевнено відповісти — ні. На практиці рішення, при якому будь-якої показник має максимум, як правило, не звертає інші показники ні в максимум ні в мінімум. Тому вирази типу: виробляти продукцію найвищої якості з найменшими витратами — це просто урочиста фраза по суті невірна. Правильно було б сказати: Отримати продукцію найвищої якості за тієї ж вартості, або знизити витрати на виробництво продукції не знижуючи її якості, хоча такі вирази звучать менш красиво, але зате вони чітко визначають цілі. Вибір цілі і формулювання критерію її досягнення, тобто цільової функції, представляють собою важку проблему вимірювання та порівняння різнорідних змінних, деякі з яких у принципі несумірні один з одним: наприклад безпеку і вартість, або якість і простота. Але саме такі соціальні, етичні та психологічні поняття часто виступають як фактори мотивації при визначенні мети і критерію оптимальності. У реальних задачах керування виробництвом потрібно враховувати те, що деякі критерії мають велику важливість ніж інші. Такі критерії можна ранжувати, тобто встановлювати їхню відносну значимість і пріоритет. У подібних умовах оптимальним доводиться рахувати таке рішення, при якому критерії мають найбільший пріоритет отримує максимальні значення. Граничним випадком такого підходу є принцип виділення головного критерію. При цьому один якийсь критерій приймається як основного, наприклад міцність сталі, калорійність продукту і т. д. За цим критерієм здійснюється оптимізація, до решти пред'являється тільки одна умова, щоб вони були не менше якихось заданих значень. Тим ранжируваною параметрами не можна проводити звичайні арифметичні операції, можливо лише встановлення їхньої ієрархії цінностей і шкали пріоритетів, що є істотною відмінністю від моделювання в природничих науках.

При проектуванні складних технічних систем, при управлінні великим виробництвом або керівництві військовими діями, тобто в ситуаціях де необхідно приймати відповідальні рішення, велике значення має практичний досвід, що дає можливість виділити найістотніші фактори, охопити ситуацію в цілому і вибрати оптимальний шлях для досягнення поставленої мети. Досвід допомагає також знайти аналогічні випадки в минулому і по можливості уникнути помилкових дій. Під досвідом мається на увазі не тільки власна практика особи, яка приймає рішення але і чужий досвід, який описаний в книгах, узагальнений в інструкціях, рекомендаціях та інших керівних матеріалах. Природно, коли рішення вже апробовано, тобто відомо яке саме рішення найкращим чином задовольняє поставленим цілям — проблеми оптимального управління не існує. Однак насправді практично ніколи не буває абсолютно однакових ситуацій, тому приймати рішення і здійснювати управління завжди доводиться в умовах неповної інформації. У таких випадках відсутню інформацію намагаються отримати використовуючи здогадки, припущення, результати наукових досліджень і особливо вивчення на моделях. Науково обгрунтована теорія управління багато в чому являє собою набір методів поповнення відсутньої інформації про те як поведе себе об'єкт управління при обраному впливі.

Прагнення отримати якомога більше інформації про керовані об'єкти й процеси, включаючи й особливості їхньої майбутньої поведінки може бути задоволена шляхом дослідження нас цікавлять властивостей на моделях. Модель дає спосіб подання реального об'єкта, який дозволяє легко і з малими витратами ресурсів досліджувати деякі його властивості. Тільки модель дозволяє досліджувати не всі властивості відразу, а лише ті з них, які найістотніші при даному розгляді. Тому моделі дозволяють сформувати спрощене уявлення про систему й отримати потрібні результати простіше і швидше ніж при вивченні самої системи. Модель виробничої системи в першу чергу створюється у свідомості працівника здійснює управління. На цій моделі він подумки намагається представити всі особливості самої системи та деталі її поведінки, передбачити всі труднощі і передбачити всі критичні ситуації, які можуть виникнути в різних режимах експлуатації. Він робить логічні висновки, виконує креслення плани і розрахунки. Складність сучасних технічних систем і виробничих процесів призводить до того, що для їхнього вивчення доводиться використовувати різні види моделей.

Найпростішими є масштабні моделі в яких натурні значення всіх розмірів множаться на постійний розмір — масштаб моделювання. Великі об'єкти представляються у зменшеному вигляді, а малі в збільшеному.

В аналогових моделях досліджувані процеси вивчаються не безпосередньо, а за аналогічними явищам, тобто за процесами мають іншу фізичну природу, але які описуються такими ж математичними співвідношеннями. Для такого моделювання використовуються аналогії між механічними, тепловими, гідравлічними, електричними та іншими явищами. Наприклад коливання вантажу на пружині аналогічні коливань струму в електричному контурі, також рух маятника аналогічно коливань напруги на виході генератора змінного струму. Найзагальнішим методом наукових досліджень є використання математичного моделювання. Математичної моделлю описує формальну залежність між значеннями параметрів на вході модельованих об'єкта або процесу і вихідними параметрами. При математичному моделюванні абстрагуються від конкретної фізичної природи об'єкта і що відбуваються в ньому процесів і розглядають тільки перетворення вхідних величин у вихідні. Аналізувати математичні моделі простіше і швидше, ніж експериментально визначати поведінку реального об'єкта в різних режимах роботи. Крім того аналіз математичної моделі дозволяє виділити найістотніні властивості даної системи, на які треба звернути особливу увагу при ухваленні рішення. Додаткова перевага полягає в тому, що при математичному моделюванні не представляє праці випробувати досліджувану систему в ідеальних умовах чи навпаки в екстремальних режимах, які для реальних об'єктів або процесів вимагають великих витрат або пов'язані з ризиком.

Залежно від того, якою інформацією володіють керівник і його співробітники, що готують рішення, змінюються і умови прийняття рішень і математичні методи, які застосовуються для вироблення рекомендацій.

Складність математичного моделювання в умовах невизначеності залежить від того яка природа невідомих факторів. За цією ознакою завдання діляться на два класи. 1) Стохастичні завдання, коли невідомі чинники являють собою випадкові величини, для яких відомі закони розподілу ймовірностей та інші статистичні характеристики. 2) Невизначені завдання, коли невідомі чинники не можуть бути описані статистичними методами.

Ось приклад стохастичного завдання:

Ми вирішили організувати кафе. Яка кількість відвідувачів прийде в нього за день нам невідомо. Також невідомо скільки часу триватиме обслуговування кожного відвідувача. Проте характеристики цих випадкових величин можуть бути отримані статистичними шляхом. Показник ефективності, що залежить від випадкових величин також буде випадковою величиною. У цьому випадку ми в якості показника ефективності беремо не саму випадкову величину, а її середнє значення і вибираємо таке рішення, при якому це середнє значення досягає максимуму або мінімуму.

Див. також[ред.ред. код]

Література[ред.ред. код]

Посилання[ред.ред. код]